06 Spark SQL 及其DataFrame的基本操作

1.Spark SQL出现的 原因是什么?

答：Spark为结构化数据处理引入了一个称为Spark SQL的编程模块。简而言之，sparkSQL是Spark的前身，是在Hadoop发展过程中，为了给熟悉RDBMS但又不理解MapReduce的技术人员提供快速上手的工具。

2.用spark.read 创建DataFrame

3.观察从不同类型文件创建DataFrame有什么异同?

4.观察Spark的DataFrame与Python pandas的DataFrame有什么异同？

 

Spark SQL DataFrame的基本操作

创建：

spark.read.text()

>>>file='file:///usr/local/spark/examples/src/main/resources/people.txt'
>>> df=spark.read.text(file)

spark.read.json()

>>>file='file:///usr/local/spark/examples/src/main/resources/people.json'
>>> df=spark.read.json(file)

打印数据

df.show()默认打印前20条数据，df.show(n)

>>>file='file:///usr/local/spark/examples/src/main/resources/people.txt'
>>> df=spark.read.text(file)
>>> df.show()

>>>file='file:///usr/local/spark/examples/src/main/resources/people.json'
>>> df=spark.read.json(file)
>>> df.show()

打印概要

df.printSchema()

>>> df.printSchema()

查询总行数

df.count()

>>> df.count()

df.head(3) #list类型，list中每个元素是Row类

>>> df.head(2)

输出全部行

df.collect() #list类型，list中每个元素是Row类

>>> df.collect()

查询概况

df.describe().show()

>>> df.describe().show()

取列

df[‘name’]

df.name

df.select()

df.filter()

df.groupBy()

df.sort()