DataFrame API

1、collect与collectAsList

、　collect返回一个数组，包含DataFrame中的全部Rows

　　collectAsList返回一个Java List，包含DataFrame中包含的全部Rows

2、count

　　返回DataFrame的rows的个数

 3、first

　　返回第一个row

4、head

　　不带参数的head方法，返回DataFrame的第一个Row。指定参数n时，则返回前那个Rows

 5、show　　

　　不带参数的show，显示前20个Rows，指定个数n，则显示n个

6、take

　　返回DataFrame前n个Rows

7、cache

　　将DataFrame缓存到内存中

8、Columns

　　以数组的形式返回DataFrame的全部列名

9、dtypes

　　以数组的形式返回DataFrame的所有列名及其对应的数据类型

10、explain

　　用于调试的目的，不带参数时，仅将DataFrame的物理计划打印到控制台上；当指定参数extended为true时，打印所有计划到控制台上，包括物理计划、逻辑计划

11、isLocal

　　如果collect与take方法在本地运行时，返回true

12、printSchema

　　以树形结构将DataFrame的Schema信息打印到控制台

13、registerTempTable

　　将DataFrame注册为指定名字的临时表

14、schema

　　返回DataFrame的Schema信息，对应类型为StructType

15、toDF

　　不带参数的toDF返回它本身，带字符串数组的参数时，返回新的DataFrame，该DataFrame重命名了各列名

16、agg

　　将DataFrame提供不需要经过groups就可以执行的统计操作

17、apply

　　根据指定列名返回DataFrame的列，类型为Column

18、as

　　使用别名创建DataFrame

19、distinct

　　返回对DataFrame的Rows去重后的DataFrame

20、except

　　返回DataFrame，包含当前Frame的Rows，同时这些Rows不在另一个Frame中。相当于两个DataFrame做减法

21、explode

　　返回一个新的DataFrame，其中原来的每一列被指定的函数扩展成零行或多行　　

22、filter

　　按参数指定的sql表达式的条件过滤DataFrame

23、groupBy

　　使用一个或多个指定的列队DataFrame进行分组，以便对他们执行聚合操作

24、intersect

　　取两个DataFrame中同时存在的Rows，返回DataFrame

25、join

26、limit

　　返回DataFrame的前n个Rows

27、orderBy和sort

　　按指定的一列或多列进行排序，分别支持字符串或Column的参数列表

28、sample

　　按指定因子对DataFrame的Rows进行抽样，如果指定withReplacement为true时，使用指定的种子或随机的种子进行替换。

29、select

　　从DataFrame中选取指定的列，返回DataFrame，指定列有三种方式，可以用列名字符串的重复参数，或Column重复参数及列名表达式的多个参数指定

30、unionAll

　　联合调用者和参数这两个DataFrame的Rows

31、withColumn和withColumnRenamed

　　对DataFrame列进行操作，withColumn增加列信息，withColumnRenamed对列进行重命名

32、save

　　保存到指定路径下

33、saveAsParquetFile

　　保存到数据源为parquet的指定路径下

34、flatMap

　　对DataFrame中Rows进行处理，并且处理结果

35、foreach

36、map和mapPartitions

　　map将DataFrame的Row按指定的函数参数映射成R实例，并返回以R为元素的类型的RDD实例。mapPartitions类似

37、repartition

　　返回一个DataFrame，该DataFrame按指定numPartitions对原DataFrame进行重分区

38、toJSON

　　把DataFrame的内容用包含json字符串的RDD返回

39、queryExecution

　　返回DataFrame的查询执行语句，包含逻辑计划和物理计划

DataFrame API应用案例