Python
# -*- coding: utf-8 -*- from __future__ import print_function from pyspark.sql import SparkSession from pyspark.sql import Row if __name__ == "__main__": # 初始化SparkSession spark = SparkSession .builder .appName("RDD_and_DataFrame") .config("spark.some.config.option", "some-value") .getOrCreate() sc = spark.sparkContext lines = sc.textFile("employee.txt") parts = lines.map(lambda l: l.split(",")) employee = parts.map(lambda p: Row(name=p[0], salary=int(p[1]))) #RDD转换成DataFrame employee_temp = spark.createDataFrame(employee) #显示DataFrame数据 employee_temp.show() #创建视图 employee_temp.createOrReplaceTempView("employee") #过滤数据 employee_result = spark.sql("SELECT name,salary FROM employee WHERE salary >= 14000 AND salary <= 20000") # DataFrame转换成RDD result = employee_result.rdd.map(lambda p: "name: " + p.name + " salary: " + str(p.salary)).collect() #打印RDD数据 for n in result: print(n)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
# -*- coding: utf-8 -*-
from __future__ import print_function
from pyspark . sql import SparkSession
from pyspark . sql import Row
 
if __name__ == "__main__" :
     # 初始化SparkSession
     spark = SparkSession
         . builder
         . appName ( "RDD_and_DataFrame" )
         . config ( "spark.some.config.option" , "some-value" )
         . getOrCreate ( )
 
     sc = spark . sparkContext
 
     lines = sc . textFile ( "employee.txt" )
     parts = lines . map ( lambda l : l . split ( "," ) )
     employee = parts . map ( lambda p : Row ( name = p [ 0 ] , salary = int ( p [ 1 ] ) ) )
 
     #RDD转换成DataFrame
     employee_temp = spark . createDataFrame ( employee )
 
     #显示DataFrame数据
     employee_temp . show ( )
 
     #创建视图
     employee_temp . createOrReplaceTempView ( "employee" )
     #过滤数据
     employee_result = spark . sql ( "SELECT name,salary FROM employee WHERE salary >= 14000 AND salary <= 20000" )
 
     # DataFrame转换成RDD
     result = employee_result . rdd . map ( lambda p : "name: " + p . name + "  salary: " + str ( p . salary ) ) . collect ( )
 
     #打印RDD数据
     for n in result :
         print ( n )
 
 

DataFrame转换成RDD

df.rdd就直接 转换成 rdd的操作

Python
result = employee_result.rdd.map(lambda p: "name: " + p.name + " salary: " + str(p.salary)).collect()
1
2
result = employee_result . rdd . map ( lambda p : "name: " + p . name + "  salary: " + str ( p . salary ) ) . collect ( )
 



  • zeropython 微信公众号 5868037 QQ号 5868037@qq.com QQ邮箱
Logo
腾讯云开发者社区

腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。

更多推荐

Elasticsearch复杂数据类型终极指南：从入门到精通

Elasticsearch作为功能强大的搜索引擎，支持多种复杂数据类型，让开发者能够灵活处理各种结构化和非结构化数据。本文将带你全面了解Elasticsearch中的复杂数据类型，从基础概念到实际应用，助你轻松掌握数据建模的核心技巧。## 内部对象：构建层级化数据结构在Elasticsearch中，对象类型（Object）是最基础的复杂数据类型之一，用于表示具有嵌套关系的数据。例如，我们可

avatar 腾讯云开发者社区

终极指南：Flink SQL连接器版本管理从混乱到有序的升级之路

Apache Flink作为流处理领域的佼佼者，其SQL连接器的版本管理一直是开发者面临的核心挑战。本文将系统讲解Flink SQL连接器版本管理的最佳实践，帮助你轻松应对版本兼容性问题，实现从混乱到有序的升级之旅。## 连接器版本管理的常见痛点 😫在Flink应用开发中，连接器版本管理常常让开发者头疼不已。不同版本的连接器可能导致各种兼容性问题，例如API变更、功能差异甚至运行时错误。

avatar 腾讯云开发者社区

如何快速搭建Neon无服务器PostgreSQL：面向初学者的完整指南

Neon是一款革命性的无服务器PostgreSQL解决方案，它通过分离存储和计算层，实现了自动扩缩容、类代码式数据库分支以及零级扩展能力。本指南将帮助你从零开始搭建Neon开发环境，体验这款创新数据库的强大功能。## 准备工作：环境要求与依赖项在开始搭建Neon环境前，请确保你的系统满足以下要求：- Linux操作系统（推荐Ubuntu 20.04+或Debian 11+）- Git

avatar 腾讯云开发者社区