PySpark学习
在PySpark中,我们可以使用pyspark.sql.SparkSession
来创建一个Spark会话,并进行各种操作。以下是一些基本操作的示例代码:
from pyspark.sql import SparkSession
# 创建一个Spark会话
spark = SparkSession.builder \
.appName("PySparkExample") \
.getOrCreate()
# 读取数据文件
data_path = "path/to/your/data.csv"
df = spark.read.csv(data_path, header=True)
# 展示DataFrame的内容
df.show()
# 查询DataFrame的某列
print(df.select("column_name").first())
# 统计DataFrame中的行数
print("行数:", df.count())
# 创建一个DataFrame
from pyspark.sql import Row
data = [Row(name="Alice", age=25), Row(name="Bob", age=30)]
schema_df = spark.createDataFrame(data)
schema_df.show()
# 停止Spark会话
spark.stop()
这段代码展示了如何在PySpark中创建一个Spark会话,读取CSV文件,查看数据,选择特定列,统计行数,创建DataFrame,以及停止Spark会话。这些操作是学习PySpark的基础,也是日常工作中常用的功能。
评论已关闭