07 从RDD创建DataFrame

1.pandas df 与 spark df的相互转换

　　df_s=spark.createDataFrame(df_p)

　　df_p=df_s.toPandas()

 @H_404_9@

@H_404_9@

2. Spark与Pandas中DataFrame对比

http://www.lining0806.com/spark%E4%B8%8Epandas%E4%B8%ADdataframe%E5%AF%B9%E6%AF%94/

 

3.1 利用反射机制推断RDD模式

• sc创建RDD
• 转换成Row元素，列名=值
• spark.createDataFrame生成df
• df.show(), df.printSchema()

 @H_404_9@

3.2 使用编程方式定义RDD模式

　　使用学生课程分数文件chapter4-data01.txt，创建DataFrame，并使用用DataFrame的操作完成实验三的数据分析要求。

　　（1）生成“表头”

　　　　fields = [StructField(field_name, StringType(), True) ,...]

　　　　schema = StructType(fields)

@H_404_9@

　　（2）生成“表中的记录”

　　　　创建RDD

　　　　转换成Row元素，列名=值

@H_404_9@

　　（3）把“表头”和“表中的记录”拼装在一起

　　　　spark.createDataFrame(RDD, schema)

@H_404_9@

 4. DataFrame保存为文件

　　df.write.json(dir)

@H_404_9@

@H_404_9@

@H_404_9@