[英]How to create a sample single-column Spark DataFrame in Python?
我想创建一个示例单列 DataFrame,但以下代码不起作用:
df = spark.createDataFrame(["10","11","13"], ("age"))
## ValueError
## ...
## ValueError: Could not parse datatype: age
预期结果:
age
10
11
13
以下代码不起作用
对于单个元素,您需要一个模式作为类型
spark.createDataFrame(["10","11","13"], "string").toDF("age")
或数据DataType
:
from pyspark.sql.types import StringType
spark.createDataFrame(["10","11","13"], StringType()).toDF("age")
名称元素应该是元组和模式作为序列:
spark.createDataFrame([("10", ), ("11", ), ("13", )], ["age"])
嗯.. 有一些非常简单的方法可以在 PySpark 中创建示例数据框
>>> df = sc.parallelize([[1,2,3], [2,3,4]]).toDF()
>>> df.show()
+---+---+---+
| _1| _2| _3|
+---+---+---+
| 1| 2| 3|
| 2| 3| 4|
+---+---+---+
用一些列名创建
>>> df1 = sc.parallelize([[1,2,3], [2,3,4]]).toDF(("a", "b", "c"))
>>> df1.show()
+---+---+---+
| a| b| c|
+---+---+---+
| 1| 2| 3|
| 2| 3| 4|
+---+---+---+
这样,也不需要定义schema。希望这是最简单的方法
from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()
df = spark.createDataFrame([{"a": "x", "b": "y", "c": "3"}])
输出:(无需定义架构)
+---+---+---+
| a | b | c |
+---+---+---+
| x| y| 3|
+---+---+---+
对于 pandas + pyspark 用户,如果您已经在集群中安装了 pandas,则可以简单地执行以下操作:
# create pandas dataframe
df = pd.DataFrame({'col1':[1,2,3], 'col2':['a','b','c']})
# convert to spark dataframe
df = spark.createDataFrame(df)
本地 Spark 设置
import findspark
findspark.init()
import pyspark
spark = (pyspark
.sql
.SparkSession
.builder
.master("local")
.getOrCreate())
我只使用 spark.read 在 python 中创建了一个数据框,如文档中所述,将您的数据保存为 json 例如并像这样加载它:
df = spark.read.json("examples/src/main/resources/people.json")
你也可以试试这样的——
from pyspark.sql import SQLContext
sqlContext = SQLContext(sc) # sc is the spark context
sample = sqlContext.createDataFrame(
[
('qwe', 23), # enter your data here
('rty',34),
('yui',56),
],
['abc', 'def'] # the row header/column labels should be entered here
创建 DataFrame 有多种方法, PySpark Create DataFrame是您在使用 PySpark 时学习的第一步
我假设您已经有了数据、列和 RDD。
1) df = rdd.toDF()
2) df = rdd.toDF(columns) //Assigns column names
3) df = spark.createDataFrame(rdd).toDF(*columns)
4) df = spark.createDataFrame(data).toDF(*columns)
5) df = spark.createDataFrame(rowData,columns)
除此之外,您还可以在pyspark create dataframe上找到几个示例
请参阅我的farsante lib 以使用假数据创建 DataFrame:
import farsante
df = farsante.quick_pyspark_df(['first_name', 'last_name'], 7)
df.show()
+----------+---------+
|first_name|last_name|
+----------+---------+
| Tommy| Hess|
| Arthur| Melendez|
| Clemente| Blair|
| Wesley| Conrad|
| Willis| Dunlap|
| Bruna| Sellers|
| Tonda| Schwartz|
+----------+---------+
以下是在创建 PySpark DataFrame 时显式指定架构的方法:
df = spark.createDataFrame(
[(10,), (11,), (13,)],
StructType([StructField("some_int", IntegerType(), True)]))
df.show()
+--------+
|some_int|
+--------+
| 10|
| 11|
| 13|
+--------+
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.