在本文中，我们将给您介绍关于如何在R中的DataFrame中创建SpatialPolygonsDataFrame？的详细内容，并且为您解答r语言创建dataframe的相关问题，此外，我们还将为您提供
在本文中，我们将给您介绍关于如何在R中的DataFrame中创建SpatialPolygonsDataFrame？的详细内容，并且为您解答r语言创建dataframe的相关问题，此外，我们还将为您提供关于Apache Spark DataFrames 入门指南：操作 DataFrame、Apache Spark DataFrames入门指南：操作DataFrame、DataFrames入门指南：创建和操作DataFrame、Pandas - 使用一个 Dataframe 列的子字符串比较两个 Dataframe的知识。
本文目录一览：- 如何在R中的DataFrame中创建SpatialPolygonsDataFrame？（r语言创建dataframe）
- Apache Spark DataFrames 入门指南：操作 DataFrame
- Apache Spark DataFrames入门指南：操作DataFrame
- DataFrames入门指南：创建和操作DataFrame
- Pandas - 使用一个 Dataframe 列的子字符串比较两个 Dataframe
如何在R中的DataFrame中创建SpatialPolygonsDataFrame？（r语言创建dataframe）
如何解决如何在R中的DataFrame中创建SpatialPolygonsDataFrame？？
我想将DataFrame转换为SpatialpolygonsDataFrame，但收到错误消息：
.local（obj，...）中的错误： 无法从非数值矩阵得出坐标
首先是DataFrame的结构：
day lon lat
1 c(8,8.1,8) c(44,45,43)
2 c(9,9.1,8) c(46,43)
3 c(9,9.2,43)
我尝试了FRK库的功能SpatialpolygonsDataFrame
library(FRK)
SpatialData <- SpatialpolygonsDataFrame(data,data.frame(id=data$day,data))
然后我想用传单将其可视化
leaflet() %>% addTiles() %>%
addProviderTiles(providers$CartoDB.Positron) %>%
addpolygons(data = SpatialData,color = "orange",fillOpacity = 0.3)
谢谢您的帮助！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）
Apache Spark DataFrames 入门指南：操作 DataFrame
文章目录
- 1 二、操作 DataFrame
- 1.1 打印 DataFrame 里面的模式
- 1.2 对 DataFrame 里面的数据进行采样
- 1.3 查询 DataFrame 里面的列
- 1.4 根据条件过滤数据
- 1.5 对 DataFrame 里面的数据进行排序
- 1.6 对列进行重命名
- 1.7 将 DataFrame 看作是关系型数据表
- 1.8 对两个 DataFrame 进行 Join 操作
- 1.9 将 DataFrame 保存成文件
二、操作 DataFrame
在前面的文章中，我们介绍了如何创建 DataFrame。本文将介绍如何操作 DataFrame 里面的数据和打印出 DataFrame 里面数据的模式
打印 DataFrame 里面的模式
在创建完 DataFrame 之后，我们一般都会查看里面数据的模式，我们可以通过 printSchema 函数来查看。它会打印出列的名称和类型：
|
|
如果采用的是 load 方式参见 DataFrame 的，students.printSchema 的输出则如下：
|
|
对 DataFrame 里面的数据进行采样
打印完模式之后，我们要做的第二件事就是看看加载进 DataFrame 里面的数据是否正确。从新创建的 DataFrame 里面采样数据的方法有很多种。我们来对其进行介绍。
最简单的就是使用 show 方法，show 方法有四个版本：
（1）、第一个需要我们指定采样的行数 def show(numRows: Int)；
（2）、第二种不需要我们指定任何参数，这种情况下，show 函数默认会加载出 20 行的数据 def show()；
（3）、第三种需要指定一个 boolean 值，这个值说明是否需要对超过 20 个字符的列进行截取 def show(truncate: Boolean)；
（4）、最后一种需要指定采样的行和是否需要对列进行截断 def show(numRows: Int, truncate: Boolean)。实际上，前三个函数都是调用这个函数实现的。
Show 函数和其他函数不同的地方在于其不仅会显示需要打印的行，而且还会打印出头信息，并且会直接在默认的输出流打出 (console)。来看看怎么使用吧：
|
|
我们还可以使用 head (n: Int) 方法来采样数据，这个函数也需要输入一个参数标明需要采样的行数，而且这个函数返回的是 Row 数组，我们需要遍历打印。当然，我们也可以使用 head () 函数直接打印，这个函数只是返回数据的一行，类型也是 Row。
|
|
除了 show、head 函数。我们还可以使用 first 和 take 函数，他们分别调用 head () 和 head (n)
|
|
查询 DataFrame 里面的列
正如你所看到的，所有的 DataFrame 里面的列都是有名称的。Select 函数可以帮助我们从 DataFrame 中选择需要的列，并且返回一个全新的 DataFrame，下面我将此进行介绍。
1、只选择一列。假如我们只想从 DataFrame 中选择 email 这列，因为 DataFrame 是不可变的 (immutable)，所以这个操作会返回一个新的 DataFrame：
|
|
现在我们有一个名叫 emailDataFrame 全新的 DataFrame，而且其中只包含了 email 这列，让我们使用 show 来看看是否是这样的：
|
|
2、选择多列。其实 select 函数支持选择多列。
|
|
需要主要的是，我们 select 列的时候，需要保证 select 的列是有效的，换句话说，就是必须保证 select 的列是 printSchema 打印出来的。如果列的名称是无效的，将会出现 org.apache.spark.sql.AnalysisException 异常，如下：
|
|
根据条件过滤数据
现在我们已经知道如何在 DataFrame 中选择需要的列，让我们来看看如何根据条件来过滤 DataFrame 里面的数据。对应基于 Row 的数据，我们可以将 DataFrame 看作是普通的 Scala 集合，然后我们根据需要的条件进行相关的过滤，为了展示清楚，我在语句没后面都用 show 函数展示过滤的结果。
|
|
注意看第一个过滤语句，虽然 id 被解析成 String 了，但是程序依然正确地做出了比较。我们也可以对多个条件进行过滤：
|
|
我们还可以采用类 SQL 的语法对数据进行过滤：
|
|
对 DataFrame 里面的数据进行排序
使用 sort 函数我们可以对 DataFrame 中指定的列进行排序：
|
|
也可以对多列进行排序：
|
|
从上面的结果我们可以看出，默认是按照升序进行排序的。我们也可以将上面的语句写成下面的：
|
|
这两个语句运行的效果是一致的。
对列进行重命名
如果我们对 DataFrame 中默认的列名不感兴趣，我们可以在 select 的时候利用 as 对其进行重命名，下面的列子将 studentName 重命名为 name，而 email 这列名字不变：
|
|
将 DataFrame 看作是关系型数据表
DataFrame 的一个强大之处就是我们可以将它看作是一个关系型数据表，然后在其上运行 SQL 查询语句，只要我们进行下面两步即可实现：
（1）、将 DataFrame 注册成一张名为 students 的表：
|
|
（2）、然后我们在其上用标准的 SQL 进行查询：
|
|
对两个 DataFrame 进行 Join 操作
前面我们已经知道如何将 DataFrame 注册成一张表，现在我们来看看如何使用普通的 SQL 对两个 DataFrame 进行 Join 操作。
1、内联：内联是默认的 Join 操作，它仅仅返回两个 DataFrame 都匹配到的结果，来看看下面的例子：
|
|
2、右外联：在内连接的基础上，还包含右表中所有不符合条件的数据行，并在其中的左表列填写 NULL ，来看看下面的实例：
|
|
3、左外联：在内连接的基础上，还包含左表中所有不符合条件的数据行，并在其中的右表列填写 NULL ，同样我们来看看下面的实例：
|
|
将 DataFrame 保存成文件
下面我来介绍如何将 DataFrame 保存到一个文件里面。前面我们加载 csv 文件用到了 load 函数，与之对于的用于保存文件可以使用 save 函数。具体操作包括以下两步：
1、首先创建一个 map 对象，用于存储一些 save 函数需要用到的一些属性。这里我将制定保存文件的存放路径和 csv 的头信息。
|
|
为了基于学习的态度，我们从 DataFrame 里面选择出 studentName 和 email 两列，并且将 studentName 的列名重定义为 name。
|
|
2、下面我们调用 save 函数保存上面的 DataFrame 数据到 iteblog.csv 文件夹中
|
|
mode 函数可以接收的参数有 Overwrite、Append、Ignore 和 ErrorIfExists。从名字就可以很好的理解，Overwrite 代表覆盖目录下之前存在的数据；Append 代表给指定目录下追加数据；Ignore 代表如果目录下已经有文件，那就什么都不执行；ErrorIfExists 代表如果保存目录下存在文件，那么抛出相应的异常。
需要注意的是，上述 path 参数指定的是保存文件夹，并不是最后的保存文件名。
Apache Spark DataFrames入门指南：操作DataFrame
文章目录
- 1 二、操作DataFrame
- 1.1 打印DataFrame里面的模式
- 1.2 对DataFrame里面的数据进行采样
- 1.3 查询DataFrame里面的列
- 1.4 根据条件过滤数据
- 1.5 对DataFrame里面的数据进行排序
- 1.6 对列进行重命名
- 1.7 将DataFrame看作是关系型数据表
- 1.8 对两个DataFrame进行Join操作
- 1.9 将DataFrame保存成文件
二、操作DataFrame
在前面的文章中，我们介绍了如何创建DataFrame。本文将介绍如何操作DataFrame里面的数据和打印出DataFrame里面数据的模式
打印DataFrame里面的模式
在创建完DataFrame之后，我们一般都会查看里面数据的模式，我们可以通过printSchema函数来查看。它会打印出列的名称和类型：
|
|
如果采用的是load方式参见DataFrame的，students.printSchema的输出则如下：
|
|
对DataFrame里面的数据进行采样
打印完模式之后，我们要做的第二件事就是看看加载进DataFrame里面的数据是否正确。从新创建的DataFrame里面采样数据的方法有很多种。我们来对其进行介绍。
最简单的就是使用show方法，show方法有四个版本：
（1）、第一个需要我们指定采样的行数def show(numRows: Int)；
（2）、第二种不需要我们指定任何参数，这种情况下，show函数默认会加载出20行的数据def show()；
（3）、第三种需要指定一个boolean值，这个值说明是否需要对超过20个字符的列进行截取def show(truncate: Boolean)；
（4）、最后一种需要指定采样的行和是否需要对列进行截断def show(numRows: Int, truncate: Boolean)。实际上，前三个函数都是调用这个函数实现的。
Show函数和其他函数不同的地方在于其不仅会显示需要打印的行，而且还会打印出头信息，并且会直接在默认的输出流打出(console)。来看看怎么使用吧：
|
|
我们还可以使用head(n: Int)方法来采样数据，这个函数也需要输入一个参数标明需要采样的行数，而且这个函数返回的是Row数组，我们需要遍历打印。当然，我们也可以使用head()函数直接打印，这个函数只是返回数据的一行，类型也是Row。
|
|
除了show、head函数。我们还可以使用first和take函数，他们分别调用head()和head(n)
|
|
查询DataFrame里面的列
正如你所看到的，所有的DataFrame里面的列都是有名称的。Select函数可以帮助我们从DataFrame中选择需要的列，并且返回一个全新的DataFrame，下面我将此进行介绍。
1、只选择一列。假如我们只想从DataFrame中选择email这列，因为DataFrame是不可变的(immutable)，所以这个操作会返回一个新的DataFrame：
|
|
现在我们有一个名叫emailDataFrame全新的DataFrame，而且其中只包含了email这列，让我们使用show来看看是否是这样的：
|
|
2、选择多列。其实select函数支持选择多列。
|
|
需要主要的是，我们select列的时候，需要保证select的列是有效的，换句话说，就是必须保证select的列是printSchema打印出来的。如果列的名称是无效的，将会出现org.apache.spark.sql.AnalysisException异常，如下：
|
|
根据条件过滤数据
现在我们已经知道如何在DataFrame中选择需要的列，让我们来看看如何根据条件来过滤DataFrame里面的数据。对应基于Row的数据，我们可以将DataFrame看作是普通的Scala集合，然后我们根据需要的条件进行相关的过滤，为了展示清楚，我在语句没后面都用show函数展示过滤的结果。
|
|
注意看第一个过滤语句，虽然id被解析成String了，但是程序依然正确地做出了比较。我们也可以对多个条件进行过滤：
|
|
我们还可以采用类SQL的语法对数据进行过滤：
|
|
对DataFrame里面的数据进行排序
使用sort函数我们可以对DataFrame中指定的列进行排序：
|
|
也可以对多列进行排序：
|
|
从上面的结果我们可以看出，默认是按照升序进行排序的。我们也可以将上面的语句写成下面的：
|
|
这两个语句运行的效果是一致的。
对列进行重命名
如果我们对DataFrame中默认的列名不感兴趣，我们可以在select的时候利用as对其进行重命名，下面的列子将studentName重命名为name，而email这列名字不变：
|
|
将DataFrame看作是关系型数据表
DataFrame的一个强大之处就是我们可以将它看作是一个关系型数据表，然后在其上运行SQL查询语句，只要我们进行下面两步即可实现：
（1）、将DataFrame注册成一张名为students的表：
|
|
（2）、然后我们在其上用标准的SQL进行查询：
|
|
对两个DataFrame进行Join操作
前面我们已经知道如何将DataFrame注册成一张表，现在我们来看看如何使用普通的SQL对两个DataFrame进行Join操作。
1、内联：内联是默认的Join操作，它仅仅返回两个DataFrame都匹配到的结果，来看看下面的例子：
|
|
2、右外联：在内连接的基础上，还包含右表中所有不符合条件的数据行，并在其中的左表列填写NULL ，来看看下面的实例：
|
|
3、左外联：在内连接的基础上，还包含左表中所有不符合条件的数据行，并在其中的右表列填写NULL ，同样我们来看看下面的实例：
|
|
将DataFrame保存成文件
下面我来介绍如何将DataFrame保存到一个文件里面。前面我们加载csv文件用到了load函数，与之对于的用于保存文件可以使用save函数。具体操作包括以下两步：
1、首先创建一个map对象，用于存储一些save函数需要用到的一些属性。这里我将制定保存文件的存放路径和csv的头信息。
|
|
为了基于学习的态度，我们从DataFrame里面选择出studentName和email两列，并且将studentName的列名重定义为name。
|
|
2、下面我们调用save函数保存上面的DataFrame数据到iteblog.csv文件夹中
|
|
mode函数可以接收的参数有Overwrite、Append、Ignore和ErrorIfExists。从名字就可以很好的理解，Overwrite代表覆盖目录下之前存在的数据；Append代表给指定目录下追加数据；Ignore代表如果目录下已经有文件，那就什么都不执行；ErrorIfExists代表如果保存目录下存在文件，那么抛出相应的异常。
需要注意的是，上述path参数指定的是保存文件夹，并不是最后的保存文件名。
DataFrames入门指南：创建和操作DataFrame
一、从csv文件创建DataFrame
本文将介绍如何从csv文件创建DataFrame。
如何做？
从csv文件创建DataFrame主要包括以下几步骤：
1、在build.sbt文件里面添加spark-csv支持库；
2、创建SparkConf对象，其中包括Spark运行所有的环境信息；
3、创建SparkContext对象，它是进入Spark的核心切入点，然后我们可以通过它创建SQLContext对象；
4、使用SQLContext对象加载CSV文件；
5、Spark内置是不支持解析CSV文件的，但是Databricks公司开发了一个类库可以支持解析CSV文件。所以我们需要把这个依赖文件加载到依赖文件中（pom.xml或者是build.sbt）
如果你是SBT工程，请加入以下依赖到build.sbt文件中：
libraryDependencies += "com.databricks" % "spark-csv_2.10" % "1.3.0"
如果你是Maven工程，请加入以下依赖到pom.xml文件中：
<dependency>
<groupid>com.databricks</groupid>
<artifactid>spark-csv_2.10</artifactid>
<version>1.3.0</version>
</dependency> 6、SparkConf持有所有运行Spark程序的信息，在这个实例中，我们将以本地的方式运行这个程序，而且我们打算使用2个核（local[2]），部分代码片段如下：
import org.apache.spark.SparkConf
val conf = new SparkConf().setAppName("csvDataFrame").setMaster("local[2]") 7、使用SparkConf初始化SparkContext对象，SparkContext是进入Spark的核心切入点：
val sc = new SparkContext(conf) 在Spark中查询数据最简单的一种方式就是使用SQL查询，所以我们可以定义一个SQLContext对象：
val sqlContext=new SQLContext(sc) 8、现在我们就可以加载事先准备好的数据了：
import com.databricks.spark.csv._
val students=sqlContext.csvFile(filePath="StudentData.csv", useHeader=true, delimiter=''|'') 其中，students对象的类型是org.apache. spark.sql.DataFrame。
如何工作的
csvFile方法接收需要加载的csv文件路径filePath，如果需要加载的csv文件有头部信息，我们可以将useHeader设置为true，这样就可以将第一行的信息当作列名称来读；delimiter指定csv文件列之间的分隔符。
除了使用csvFile函数，我们还可以使用sqlContext里面的load来加载csv文件：
val options = Map("header" -> "true", "path" -> "E:\\StudentData.csv")
val newStudents = sqlContext.read.options(options).format("com.databricks.spark.csv").load() 附录
为了方便大家测试，我提供了StudentData.csv文件的部分数据集：
id|studentName|phone|email
1|Burke|1-300-746-8446|ullamcorper.velit.in@ametnullaDonec.co.uk
2|Kamal|1-668-571-5046|pede.Suspendisse@interdumenim.edu
3|Olga|1-956-311-1686|Aenean.eget.metus@dictumcursusNunc.edu
4|Belle|1-246-894-6340|vitae.aliquet.nec@neque.co.uk
5|Trevor|1-300-527-4967|dapibus.id@acturpisegestas.net
6|Laurel|1-691-379-9921|adipiscing@consectetueripsum.edu
7|Sara|1-608-140-1995|Donec.nibh@enimEtiamimperdiet.edu
8|Kaseem|1-881-586-2689|cursus.et.magna@euismod.org
9|Lev|1-916-367-5608|Vivamus.nisi@ipsumdolor.com
10|Maya|1-271-683-2698|accumsan.convallis@ornarelectusjusto.edu
11|Emi|1-467-270-1337|est@nunc.com
12|Caleb|1-683-212-0896|Suspendisse@Quisque.edu
13|Florence|1-603-575-2444|sit.amet.dapibus@lacusAliquamrutrum.ca
14|Anika|1-856-828-7883|euismod@ligulaelit.co.uk
15|Tarik|1-398-171-2268|turpis@felisorci.com
16|Amena|1-878-250-3129|lorem.luctus.ut@scelerisque.com
17|Blossom|1-154-406-9596|Nunc.commodo.auctor@eratSed.co.uk
18|Guy|1-869-521-3230|senectus.et.netus@lectusrutrum.com
19|Malachi|1-608-637-2772|Proin.mi.Aliquam@estarcu.net
20|Edward|1-711-710-6552|lectus@aliquetlibero.co.uk
二、从Scala case class中创建DataFrame
在这篇文章中，你将学到如何从Scala case class中创建DataFrame。
如何做？
1、我们首先创建一个case class，名为Employee，并且定义id和name两个参数，如下：
- case class Employee(id: Int, name: String)
和先前一样，我们分别定义SparkConf、SparkContext以及SQLContext：
- val conf = new SparkConf().setAppName("colRowDataFrame"). setMaster("local[2]")
- val sc = new SparkContext(conf)
- val sqlContext = new SQLContext(sc)
2、我们可以通过很多方式来初始化Employee类，比如从关系型数据库中获取数据以此来定义Employee类。但是在本文为了简单起见，我将直接定义一个Employee类的List，如下：
- val listOfEmployees = List(Employee(1, "iteblog"), Employee(2, "Jason"), Employee(3, "Abhi"))
3、我们将listOfEmployees列表传递给SQLContext类的createDataFrame 函数，这样我们就可以创建出DataFrame了！然后我们可以调用DataFrame的printuSchema函数，打印出该DataFrame的模式，我们可以看出这个DataFrame主要有两列：name和id，这正是我们定义Employee的两个参数，并且类型都一致。
- val empFrame = sqlContext.createDataFrame(listOfEmployees)
- empFrame.printSchema
- root
- |-- id: integer (nullable = false)
- |-- name: string (nullable = true)
之所以DataFrame打印出的模式和Employee类的两个参数一致，那是因为DataFrame内部通过反射获取到的。
4、如果你对默认反射获取到的模式名称不感兴趣，你可以通过withColumnRenamed函数来指定列名：
- val empFrameWithRenamedColumns = sqlContext.createDataFrame(listOfEmployees).withColumnRenamed("id", "empId")
- empFrameWithRenamedColumns.printSchema
- root
- |-- empId: integer (nullable = false)
- |-- name: string (nullable = true)
5、我们可以使用Spark支持的SQL功能来查询相关的数据。在使用这个功能之前，我们必须先对DataFrame注册成一张临时表，我们可以使用registerTempTable函数实现，如下：
- empFrameWithRenamedColumns.registerTempTable("employeeTable")
6、现在我们就可以使用SQL语句来查询DataFrame里面的数据了：
- val sortedByNameEmployees = sqlContext.sql("select * from employeeTable order by name desc")
- sortedByNameEmployees.show()
- +-----+-------+
- |empId| name|
- +-----+-------+
- | 1|iteblog|
- | 2| Jason|
- | 3| Abhi|
- +-----+-------+
它如何工作的
createDataFrame函数可以接收一切继承scala.Product类的集合对象:
- def createDataFrame[A <: Product : TypeTag](rdd: RDD[A]): DataFrame
而case class类就是继承了Product。我们所熟悉的TupleN类型也是继承了scala.Product类的，所以我们也可以通过TupleN来创建DataFrame：
- val mobiles=sqlContext.createDataFrame(Seq((1,"Android"), (2, "iPhone"))) mobiles.printSchema mobiles.show()
- root
- |-- _1: integer (nullable = false)
- |-- _2: string (nullable = true)
- +---+-------+
- | _1| _2|
- +---+-------+
- | 1|Android|
- | 2| iPhone|
- +---+-------+
我们知道，Tuple2的默认两个参数名字分别是_1和_2,同样，我们如果对这个默认的名字不是特别喜欢，我们也是可以通过withColumnRenamed函数对默认反射的列名进行重命名。
三、操作DataFrame
在前面的文章中，我们介绍了如何创建DataFrame。本文将介绍如何操作DataFrame里面的数据和打印出DataFrame里面数据的模式
打印DataFrame里面的模式
在创建完DataFrame之后，我们一般都会查看里面数据的模式，我们可以通过printSchema函数来查看。它会打印出列的名称和类型：
- students.printSchema
- root
- |-- id: string (nullable = true)
- |-- studentName: string (nullable = true)
- |-- phone: string (nullable = true)
- |-- email: string (nullable = true)
如果采用的是load方式参见DataFrame的，students.printSchema的输出则如下：
- root
- |-- id|studentName|phone|email: string (nullable = true)
对DataFrame里面的数据进行采样
打印完模式之后，我们要做的第二件事就是看看加载进DataFrame里面的数据是否正确。从新创建的DataFrame里面采样数据的方法有很多种。我们来对其进行介绍。
最简单的就是使用show方法，show方法有四个版本：
（1）、第一个需要我们指定采样的行数def show(numRows: Int)；
（2）、第二种不需要我们指定任何参数，这种情况下，show函数默认会加载出20行的数据def show()；
（3）、第三种需要指定一个boolean值，这个值说明是否需要对超过20个字符的列进行截取def show(truncate: Boolean)；
（4）、最后一种需要指定采样的行和是否需要对列进行截断def show(numRows: Int, truncate: Boolean)。实际上，前三个函数都是调用这个函数实现的。
Show函数和其他函数不同的地方在于其不仅会显示需要打印的行，而且还会打印出头信息，并且会直接在默认的输出流打出(console)。来看看怎么使用吧：
- students.show() //打印出20行
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 1| Burke|1-300-746-8446|ullamcorper.velit...|
- | 2| Kamal|1-668-571-5046|pede.Suspendisse@...|
- | 3| Olga|1-956-311-1686|Aenean.eget.metus...|
- | 4| Belle|1-246-894-6340|vitae.aliquet.nec...|
- | 5| Trevor|1-300-527-4967|dapibus.id@acturp...|
- | 6| Laurel|1-691-379-9921|adipiscing@consec...|
- | 7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
- | 8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
- | 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
- | 10| Maya|1-271-683-2698|accumsan.convalli...|
- | 11| Emi|1-467-270-1337| est@nunc.com|
- | 12| Caleb|1-683-212-0896|Suspendisse@Quisq...|
- | 13| Florence|1-603-575-2444|sit.amet.dapibus@...|
- | 14| Anika|1-856-828-7883|euismod@ligulaeli...|
- | 15| Tarik|1-398-171-2268|turpis@felisorci.com|
- | 16| Amena|1-878-250-3129|lorem.luctus.ut@s...|
- | 17| Blossom|1-154-406-9596|Nunc.commodo.auct...|
- | 18| Guy|1-869-521-3230|senectus.et.netus...|
- | 19| Malachi|1-608-637-2772|Proin.mi.Aliquam@...|
- | 20| Edward|1-711-710-6552|lectus@aliquetlib...|
- +---+-----------+--------------+--------------------+
- only showing top 20 rows
- students.show(15)
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 1| Burke|1-300-746-8446|ullamcorper.velit...|
- | 2| Kamal|1-668-571-5046|pede.Suspendisse@...|
- | 3| Olga|1-956-311-1686|Aenean.eget.metus...|
- | 4| Belle|1-246-894-6340|vitae.aliquet.nec...|
- | 5| Trevor|1-300-527-4967|dapibus.id@acturp...|
- | 6| Laurel|1-691-379-9921|adipiscing@consec...|
- | 7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
- | 8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
- | 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
- | 10| Maya|1-271-683-2698|accumsan.convalli...|
- | 11| Emi|1-467-270-1337| est@nunc.com|
- | 12| Caleb|1-683-212-0896|Suspendisse@Quisq...|
- | 13| Florence|1-603-575-2444|sit.amet.dapibus@...|
- | 14| Anika|1-856-828-7883|euismod@ligulaeli...|
- | 15| Tarik|1-398-171-2268|turpis@felisorci.com|
- +---+-----------+--------------+--------------------+
- only showing top 15 rows
- students.show(true)
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 1| Burke|1-300-746-8446|ullamcorper.velit...|
- | 2| Kamal|1-668-571-5046|pede.Suspendisse@...|
- | 3| Olga|1-956-311-1686|Aenean.eget.metus...|
- | 4| Belle|1-246-894-6340|vitae.aliquet.nec...|
- | 5| Trevor|1-300-527-4967|dapibus.id@acturp...|
- | 6| Laurel|1-691-379-9921|adipiscing@consec...|
- | 7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
- | 8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
- | 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
- | 10| Maya|1-271-683-2698|accumsan.convalli...|
- | 11| Emi|1-467-270-1337| est@nunc.com|
- | 12| Caleb|1-683-212-0896|Suspendisse@Quisq...|
- | 13| Florence|1-603-575-2444|sit.amet.dapibus@...|
- | 14| Anika|1-856-828-7883|euismod@ligulaeli...|
- | 15| Tarik|1-398-171-2268|turpis@felisorci.com|
- | 16| Amena|1-878-250-3129|lorem.luctus.ut@s...|
- | 17| Blossom|1-154-406-9596|Nunc.commodo.auct...|
- | 18| Guy|1-869-521-3230|senectus.et.netus...|
- | 19| Malachi|1-608-637-2772|Proin.mi.Aliquam@...|
- | 20| Edward|1-711-710-6552|lectus@aliquetlib...|
- +---+-----------+--------------+--------------------+
- only showing top 20 rows
- students.show(false)
- +---+-----------+--------------+-----------------------------------------+
- |id |studentName|phone |email |
- +---+-----------+--------------+-----------------------------------------+
- |1 |Burke |1-300-746-8446|ullamcorper.velit.in@ametnullaDonec.co.uk|
- |2 |Kamal |1-668-571-5046|pede.Suspendisse@interdumenim.edu |
- |3 |Olga |1-956-311-1686|Aenean.eget.metus@dictumcursusNunc.edu |
- |4 |Belle |1-246-894-6340|vitae.aliquet.nec@neque.co.uk |
- |5 |Trevor |1-300-527-4967|dapibus.id@acturpisegestas.net |
- |6 |Laurel |1-691-379-9921|adipiscing@consectetueripsum.edu |
- |7 |Sara |1-608-140-1995|Donec.nibh@enimEtiamimperdiet.edu |
- |8 |Kaseem |1-881-586-2689|cursus.et.magna@euismod.org |
- |9 |Lev |1-916-367-5608|Vivamus.nisi@ipsumdolor.com |
- |10 |Maya |1-271-683-2698|accumsan.convallis@ornarelectusjusto.edu |
- |11 |Emi |1-467-270-1337|est@nunc.com |
- |12 |Caleb |1-683-212-0896|Suspendisse@Quisque.edu |
- |13 |Florence |1-603-575-2444|sit.amet.dapibus@lacusAliquamrutrum.ca |
- |14 |Anika |1-856-828-7883|euismod@ligulaelit.co.uk |
- |15 |Tarik |1-398-171-2268|turpis@felisorci.com |
- |16 |Amena |1-878-250-3129|lorem.luctus.ut@scelerisque.com |
- |17 |Blossom |1-154-406-9596|Nunc.commodo.auctor@eratSed.co.uk |
- |18 |Guy |1-869-521-3230|senectus.et.netus@lectusrutrum.com |
- |19 |Malachi |1-608-637-2772|Proin.mi.Aliquam@estarcu.net |
- |20 |Edward |1-711-710-6552|lectus@aliquetlibero.co.uk |
- +---+-----------+--------------+-----------------------------------------+
- only showing top 20 rows
- students.show(10,false)
- +---+-----------+--------------+-----------------------------------------+
- |id |studentName|phone |email |
- +---+-----------+--------------+-----------------------------------------+
- |1 |Burke |1-300-746-8446|ullamcorper.velit.in@ametnullaDonec.co.uk|
- |2 |Kamal |1-668-571-5046|pede.Suspendisse@interdumenim.edu |
- |3 |Olga |1-956-311-1686|Aenean.eget.metus@dictumcursusNunc.edu |
- |4 |Belle |1-246-894-6340|vitae.aliquet.nec@neque.co.uk |
- |5 |Trevor |1-300-527-4967|dapibus.id@acturpisegestas.net |
- |6 |Laurel |1-691-379-9921|adipiscing@consectetueripsum.edu |
- |7 |Sara |1-608-140-1995|Donec.nibh@enimEtiamimperdiet.edu |
- |8 |Kaseem |1-881-586-2689|cursus.et.magna@euismod.org |
- |9 |Lev |1-916-367-5608|Vivamus.nisi@ipsumdolor.com |
- |10 |Maya |1-271-683-2698|accumsan.convallis@ornarelectusjusto.edu |
- +---+-----------+--------------+-----------------------------------------+
- only showing top 10 rows
我们还可以使用head(n: Int)方法来采样数据，这个函数也需要输入一个参数标明需要采样的行数，而且这个函数返回的是Row数组，我们需要遍历打印。当然，我们也可以使用head()函数直接打印，这个函数只是返回数据的一行，类型也是Row。
- students.head(5).foreach(println)
- [1,Burke,1-300-746-8446,ullamcorper.velit.in@ametnullaDonec.co.uk]
- [2,Kamal,1-668-571-5046,pede.Suspendisse@interdumenim.edu]
- [3,Olga,1-956-311-1686,Aenean.eget.metus@dictumcursusNunc.edu]
- [4,Belle,1-246-894-6340,vitae.aliquet.nec@neque.co.uk]
- [5,Trevor,1-300-527-4967,dapibus.id@acturpisegestas.net]
- println(students.head())
- [1,Burke,1-300-746-8446,ullamcorper.velit.in@ametnullaDonec.co.uk]
除了show、head函数。我们还可以使用first和take函数，他们分别调用head()和head(n)
- println(students.first())
- [1,Burke,1-300-746-8446,ullamcorper.velit.in@ametnullaDonec.co.uk]
- students.take(5).foreach(println)
- [1,Burke,1-300-746-8446,ullamcorper.velit.in@ametnullaDonec.co.uk]
- [2,Kamal,1-668-571-5046,pede.Suspendisse@interdumenim.edu]
- [3,Olga,1-956-311-1686,Aenean.eget.metus@dictumcursusNunc.edu]
- [4,Belle,1-246-894-6340,vitae.aliquet.nec@neque.co.uk]
- [5,Trevor,1-300-527-4967,dapibus.id@acturpisegestas.net]
查询DataFrame里面的列
正如你所看到的，所有的DataFrame里面的列都是有名称的。Select函数可以帮助我们从DataFrame中选择需要的列，并且返回一个全新的DataFrame，下面我将此进行介绍。
1、只选择一列。假如我们只想从DataFrame中选择email这列，因为DataFrame是不可变的(immutable)，所以这个操作会返回一个新的DataFrame：
- val emailDataFrame: DataFrame = students.select("email")
现在我们有一个名叫emailDataFrame全新的DataFrame，而且其中只包含了email这列，让我们使用show来看看是否是这样的：
- emailDataFrame.show(3)
- +--------------------+
- | email|
- +--------------------+
- |ullamcorper.velit...|
- |pede.Suspendisse@...|
- |Aenean.eget.metus...|
- +--------------------+
- only showing top 3 rows
2、选择多列。其实select函数支持选择多列。
- val studentEmailDF = students.select("studentName", "email")
- studentEmailDF.show(5)
- +-----------+--------------------+
- |studentName| email|
- +-----------+--------------------+
- | Burke|ullamcorper.velit...|
- | Kamal|pede.Suspendisse@...|
- | Olga|Aenean.eget.metus...|
- | Belle|vitae.aliquet.nec...|
- | Trevor|dapibus.id@acturp...|
- +-----------+--------------------+
- only showing top 5 rows
需要主要的是，我们select列的时候，需要保证select的列是有效的，换句话说，就是必须保证select的列是printSchema打印出来的。如果列的名称是无效的，将会出现org.apache.spark.sql.AnalysisException异常，如下：
- val studentEmailDF = students.select("studentName", "iteblog")
- studentEmailDF.show(5)
- Exception in thread "main" org.apache.spark.sql.AnalysisException: cannot resolve ''iteblog'' given input columns id, studentName, phone, email;
根据条件过滤数据
现在我们已经知道如何在DataFrame中选择需要的列，让我们来看看如何根据条件来过滤DataFrame里面的数据。对应基于Row的数据，我们可以将DataFrame看作是普通的Scala集合，然后我们根据需要的条件进行相关的过滤，为了展示清楚，我在语句没后面都用show函数展示过滤的结果。
- students.filter("id > 5").show(7)
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 6| Laurel|1-691-379-9921|adipiscing@consec...|
- | 7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
- | 8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
- | 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
- | 10| Maya|1-271-683-2698|accumsan.convalli...|
- | 11| Emi|1-467-270-1337| est@nunc.com|
- | 12| Caleb|1-683-212-0896|Suspendisse@Quisq...|
- | 13| Florence|1-603-575-2444|sit.amet.dapibus@...|
- | 14| Anika|1-856-828-7883|euismod@ligulaeli...|
- | 15| Tarik|1-398-171-2268|turpis@felisorci.com|
- +---+-----------+--------------+--------------------+
- only showing top 10 rows
- students.filter("studentName =''''").show(7)
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 21| |1-598-439-7549|consectetuer.adip...|
- | 32| |1-184-895-9602|accumsan.laoreet@...|
- | 45| |1-245-752-0481|Suspendisse.eleif...|
- | 83| |1-858-810-2204|sociis.natoque@eu...|
- | 94| |1-443-410-7878|Praesent.eu.nulla...|
- +---+-----------+--------------+--------------------+
注意看第一个过滤语句，虽然id被解析成String了，但是程序依然正确地做出了比较。我们也可以对多个条件进行过滤：
- students.filter("studentName ='''' OR studentName = ''NULL''").show(7)
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 21| |1-598-439-7549|consectetuer.adip...|
- | 32| |1-184-895-9602|accumsan.laoreet@...|
- | 33| NULL|1-105-503-0141|Donec@Inmipede.co.uk|
- | 45| |1-245-752-0481|Suspendisse.eleif...|
- | 83| |1-858-810-2204|sociis.natoque@eu...|
- | 94| |1-443-410-7878|Praesent.eu.nulla...|
- +---+-----------+--------------+--------------------+
我们还可以采用类SQL的语法对数据进行过滤：
- students.filter("SUBSTR(studentName,0,1) =''M''").show(7)
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 10| Maya|1-271-683-2698|accumsan.convalli...|
- | 19| Malachi|1-608-637-2772|Proin.mi.Aliquam@...|
- | 24| Marsden|1-477-629-7528|Donec.dignissim.m...|
- | 37| Maggy|1-910-887-6777|facilisi.Sed.nequ...|
- | 61| Maxine|1-422-863-3041|aliquet.molestie....|
- | 77| Maggy|1-613-147-4380| pellentesque@mi.net|
- | 97| Maxwell|1-607-205-1273|metus.In@musAenea...|
- +---+-----------+--------------+--------------------+
- only showing top 7 rows
对DataFrame里面的数据进行排序
使用sort函数我们可以对DataFrame中指定的列进行排序：
- students.sort(students("studentName").desc).show(7)
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 50| Yasir|1-282-511-4445|eget.odio.Aliquam...|
- | 52| Xena|1-527-990-8606|in.faucibus.orci@...|
- | 86| Xandra|1-677-708-5691|libero@arcuVestib...|
- | 43| Wynter|1-440-544-1851|amet.risus.Donec@...|
- | 31| Wallace|1-144-220-8159| lorem.lorem@non.net|
- | 66| Vance|1-268-680-0857|pellentesque@netu...|
- | 41| Tyrone|1-907-383-5293|non.bibendum.sed@...|
- +---+-----------+--------------+--------------------+
- only showing top 7 rows
也可以对多列进行排序：
- students.sort("studentName", "id").show(10)
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 21| |1-598-439-7549|consectetuer.adip...|
- | 32| |1-184-895-9602|accumsan.laoreet@...|
- | 45| |1-245-752-0481|Suspendisse.eleif...|
- | 83| |1-858-810-2204|sociis.natoque@eu...|
- | 94| |1-443-410-7878|Praesent.eu.nulla...|
- | 91| Abel|1-530-527-7467| urna@veliteu.edu|
- | 69| Aiko|1-682-230-7013|turpis.vitae.puru...|
- | 47| Alma|1-747-382-6775| nec.enim@non.org|
- | 26| Amela|1-526-909-2605| in@vitaesodales.edu|
- | 16| Amena|1-878-250-3129|lorem.luctus.ut@s...|
- +---+-----------+--------------+--------------------+
- only showing top 10 rows
从上面的结果我们可以看出，默认是按照升序进行排序的。我们也可以将上面的语句写成下面的：
- students.sort(students("studentName").asc, students("id").asc).show(10)
这两个语句运行的效果是一致的。
对列进行重命名
如果我们对DataFrame中默认的列名不感兴趣，我们可以在select的时候利用as对其进行重命名，下面的列子将studentName重命名为name，而email这列名字不变：
- students.select(students("studentName").as("name"), students("email")).show(10)
- +--------+--------------------+
- | name| email|
- +--------+--------------------+
- | Burke|ullamcorper.velit...|
- | Kamal|pede.Suspendisse@...|
- | Olga|Aenean.eget.metus...|
- | Belle|vitae.aliquet.nec...|
- | Trevor|dapibus.id@acturp...|
- | Laurel|adipiscing@consec...|
- | Sara|Donec.nibh@enimEt...|
- | Kaseem|cursus.et.magna@e...|
- | Lev|Vivamus.nisi@ipsu...|
- | Maya|accumsan.convalli...|
- +--------+--------------------+
- only showing top 10 rows
将DataFrame看作是关系型数据表
DataFrame的一个强大之处就是我们可以将它看作是一个关系型数据表，然后在其上运行SQL查询语句，只要我们进行下面两步即可实现：
（1）、将DataFrame注册成一张名为students的表：
- students.registerTempTable("students")
（2）、然后我们在其上用标准的SQL进行查询：
- sqlContext.sql("select * from students where studentName!='''' order by email desc").show(7)
- +---+-----------+--------------+--------------------+
- | id|studentName| phone| email|
- +---+-----------+--------------+--------------------+
- | 87| Selma|1-601-330-4409|vulputate.velit@p...|
- | 96| Channing|1-984-118-7533|viverra.Donec.tem...|
- | 4| Belle|1-246-894-6340|vitae.aliquet.nec...|
- | 78| Finn|1-213-781-6969|vestibulum.massa@...|
- | 53| Kasper|1-155-575-9346|velit.eget@pedeCu...|
- | 63| Dylan|1-417-943-8961|vehicula.aliquet@...|
- | 35| Cadman|1-443-642-5919|ut.lacus@adipisci...|
- +---+-----------+--------------+--------------------+
- only showing top 7 rows
对两个DataFrame进行Join操作
前面我们已经知道如何将DataFrame注册成一张表，现在我们来看看如何使用普通的SQL对两个DataFrame进行Join操作。
1、内联：内联是默认的Join操作，它仅仅返回两个DataFrame都匹配到的结果，来看看下面的例子：
- val students1 = sqlContext.csvFile(filePath = "E:\\StudentPrep1.csv", useHeader = true, delimiter = ''|'')
- val students2 = sqlContext.csvFile(filePath = "E:\\StudentPrep2.csv", useHeader = true, delimiter = ''|'')
- val studentsJoin = students1.join(students2, students1("id") === students2("id"))
- studentsJoin.show(studentsJoin.count.toInt)
- +---+-----------+--------------+--------------------+---+------------------+--------------+--------------------+
- | id|studentName| phone| email| id| studentName| phone| email|
- +---+-----------+--------------+--------------------+---+------------------+--------------+--------------------+
- | 1| Burke|1-300-746-8446|ullamcorper.velit...| 1|BurkeDifferentName|1-300-746-8446|ullamcorper.velit...|
- | 2| Kamal|1-668-571-5046|pede.Suspendisse@...| 2|KamalDifferentName|1-668-571-5046|pede.Suspendisse@...|
- | 3| Olga|1-956-311-1686|Aenean.eget.metus...| 3| Olga|1-956-311-1686|Aenean.eget.metus...|
- | 4| Belle|1-246-894-6340|vitae.aliquet.nec...| 4|BelleDifferentName|1-246-894-6340|vitae.aliquet.nec...|
- | 5| Trevor|1-300-527-4967|dapibus.id@acturp...| 5| Trevor|1-300-527-4967|dapibusDifferentE...|
- | 6| Laurel|1-691-379-9921|adipiscing@consec...| 6|LaurelInvalidPhone| 000000000|adipiscing@consec...|
- | 7| Sara|1-608-140-1995|Donec.nibh@enimEt...| 7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
- | 8| Kaseem|1-881-586-2689|cursus.et.magna@e...| 8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
- | 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...| 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
- | 10| Maya|1-271-683-2698|accumsan.convalli...| 10| Maya|1-271-683-2698|accumsan.convalli...|
- +---+-----------+--------------+--------------------+---+------------------+--------------+--------------------+
2、右外联：在内连接的基础上，还包含右表中所有不符合条件的数据行，并在其中的左表列填写NULL ，来看看下面的实例：
- val studentsRightOuterJoin = students1.join(students2, students1("id") === students2("id"), "right_outer")
- studentsRightOuterJoin.show(studentsRightOuterJoin.count.toInt)
- +----+-----------+--------------+--------------------+---+--------------------+--------------+--------------------+
- | id|studentName| phone| email| id| studentName| phone| email|
- +----+-----------+--------------+--------------------+---+--------------------+--------------+--------------------+
- | 1| Burke|1-300-746-8446|ullamcorper.velit...| 1| BurkeDifferentName|1-300-746-8446|ullamcorper.velit...|
- | 2| Kamal|1-668-571-5046|pede.Suspendisse@...| 2| KamalDifferentName|1-668-571-5046|pede.Suspendisse@...|
- | 3| Olga|1-956-311-1686|Aenean.eget.metus...| 3| Olga|1-956-311-1686|Aenean.eget.metus...|
- | 4| Belle|1-246-894-6340|vitae.aliquet.nec...| 4| BelleDifferentName|1-246-894-6340|vitae.aliquet.nec...|
- | 5| Trevor|1-300-527-4967|dapibus.id@acturp...| 5| Trevor|1-300-527-4967|dapibusDifferentE...|
- | 6| Laurel|1-691-379-9921|adipiscing@consec...| 6| LaurelInvalidPhone| 000000000|adipiscing@consec...|
- | 7| Sara|1-608-140-1995|Donec.nibh@enimEt...| 7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
- | 8| Kaseem|1-881-586-2689|cursus.et.magna@e...| 8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
- | 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...| 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
- | 10| Maya|1-271-683-2698|accumsan.convalli...| 10| Maya|1-271-683-2698|accumsan.convalli...|
- |null| null| null| null|999|LevUniqueToSecondRDD|1-916-367-5608|Vivamus.nisi@ipsu...|
- +----+-----------+--------------+--------------------+---+--------------------+--------------+--------------------+
3、左外联：在内连接的基础上，还包含左表中所有不符合条件的数据行，并在其中的右表列填写NULL ，同样我们来看看下面的实例：
- val studentsLeftOuterJoin = students1.join(students2, students1("id") === students2("id"), "left_outer")
- studentsLeftOuterJoin.show(studentsLeftOuterJoin.count.toInt)
- +---+-----------+--------------+--------------------+----+------------------+--------------+--------------------+
- | id|studentName| phone| email| id| studentName| phone| email|
- +---+-----------+--------------+--------------------+----+------------------+--------------+--------------------+
- | 1| Burke|1-300-746-8446|ullamcorper.velit...| 1|BurkeDifferentName|1-300-746-8446|ullamcorper.velit...|
- | 2| Kamal|1-668-571-5046|pede.Suspendisse@...| 2|KamalDifferentName|1-668-571-5046|pede.Suspendisse@...|
- | 3| Olga|1-956-311-1686|Aenean.eget.metus...| 3| Olga|1-956-311-1686|Aenean.eget.metus...|
- | 4| Belle|1-246-894-6340|vitae.aliquet.nec...| 4|BelleDifferentName|1-246-894-6340|vitae.aliquet.nec...|
- | 5| Trevor|1-300-527-4967|dapibus.id@acturp...| 5| Trevor|1-300-527-4967|dapibusDifferentE...|
- | 6| Laurel|1-691-379-9921|adipiscing@consec...| 6|LaurelInvalidPhone| 000000000|adipiscing@consec...|
- | 7| Sara|1-608-140-1995|Donec.nibh@enimEt...| 7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
- | 8| Kaseem|1-881-586-2689|cursus.et.magna@e...| 8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
- | 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...| 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
- | 10| Maya|1-271-683-2698|accumsan.convalli...| 10| Maya|1-271-683-2698|accumsan.convalli...|
- | 11| iteblog| 999999| iteblog@iteblog.com|null| null| null| null|
- +---+-----------+--------------+--------------------+----+------------------+--------------+--------------------+
将DataFrame保存成文件
下面我来介绍如何将DataFrame保存到一个文件里面。前面我们加载csv文件用到了load函数，与之对于的用于保存文件可以使用save函数。具体操作包括以下两步：
1、首先创建一个map对象，用于存储一些save函数需要用到的一些属性。这里我将制定保存文件的存放路径和csv的头信息。
- val saveOptions = Map("header" -> "true", "path" -> "iteblog.csv")
为了基于学习的态度，我们从DataFrame里面选择出studentName和email两列，并且将studentName的列名重定义为name。
- val copyOfStudents = students.select(students("studentName").as("name"), students("email"))
2、下面我们调用save函数保存上面的DataFrame数据到iteblog.csv文件夹中
- copyOfStudents.write.format("com.databricks.spark.csv").mode(SaveMode.Overwrite).options(saveOptions).save()
mode函数可以接收的参数有Overwrite、Append、Ignore和ErrorIfExists。从名字就可以很好的理解，Overwrite代表覆盖目录下之前存在的数据；Append代表给指定目录下追加数据；Ignore代表如果目录下已经有文件，那就什么都不执行；ErrorIfExists代表如果保存目录下存在文件，那么抛出相应的异常。
需要注意的是，上述path参数指定的是保存文件夹，并不是最后的保存文件名。
Pandas - 使用一个 Dataframe 列的子字符串比较两个 Dataframe
我能够使用下面的方法获得所需的输出
df1.merge(df2,left_on = df2.prod_ref.str.extract(''(\d+)'',expand = False),right_on = df1.prod_id.str.extract(''(\d+)'',how = ''left'')
关于如何在R中的DataFrame中创建SpatialPolygonsDataFrame？和r语言创建dataframe的问题我们已经讲解完毕，感谢您的阅读，如果还想了解更多关于Apache Spark DataFrames 入门指南：操作 DataFrame、Apache Spark DataFrames入门指南：操作DataFrame、DataFrames入门指南：创建和操作DataFrame、Pandas - 使用一个 Dataframe 列的子字符串比较两个 Dataframe等相关内容，可以在本站寻找。
本文标签：
