07 从RDD创建DataFrame

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()

3.2 使用编程方式定义RDD模式

• 生成“表头”
  • fields = [StructField(field_name, StringType(), True) ,...]
  • schema = StructType(fields)
• 生成“表中的记录”
  • 创建RDD
  • 转换成Row元素，列名=值
• 把“表头”和“表中的记录”拼装在一起
  • = spark.createDataFrame(RDD, schema)

4. DataFrame保存为文件

df.write.json(dir)

预练习：

读 学生课程分数文件chapter4-data01.txt，创建DataFrame。并尝试用DataFrame的操作完成实验三的数据分析要求。

 

count (DISTINCT course)：课程总数