首页 > 代码库 > spark dataframe函数编程

spark dataframe函数编程

DataFrame 的函数 
Action 操作 
1、 collect() ,返回值是一个数组,返回dataframe集合所有的行 
2、 collectAsList() 返回值是一个Java类型的数组,返回dataframe集合所有的行 
3、 count() 返回一个number类型的,返回dataframe集合的行数 
4、 describe(cols: String*) 返回一个通过数学计算的类表值(count, mean, stddev, min, and max),这个可以传多个参数,中间用逗号分隔,如果有字段为空,那么不参与运算,只这对数值类型的字段。例如df.describe(“age”, “height”).show() 
5、 first() 返回第一行 ,类型是row类型 
6、 head() 返回第一行 ,类型是row类型 
7、 head(n:Int)返回n行 ,类型是row 类型 
8、 show()返回dataframe集合的值 默认是20行,返回类型是unit 
9、 show(n:Int)返回n行,,返回值类型是unit 
10、 table(n:Int) 返回n行 ,类型是row 类型 
dataframe的基本操作 
1、 cache()同步数据的内存 
2、 columns 返回一个string类型的数组,返回值是所有列的名字 
3、 dtypes返回一个string类型的二维数组,返回值是所有列的名字以及类型 
4、 explan()打印执行计划 物理的 
5、 explain(n:Boolean) 输入值为 false 或者true ,返回值是unit 默认是false ,如果输入true 将会打印 逻辑的和物理的 
6、 isLocal 返回值是Boolean类型,如果允许模式是local返回true 否则返回false 
7、 persist(newlevel:StorageLevel) 返回一个dataframe.this.type 输入存储模型类型 
8、 printSchema() 打印出字段名称和类型 按照树状结构来打印 
9、 registerTempTable(tablename:String) 返回Unit ,将df的对象只放在一张表里面,这个表随着对象的删除而删除了 
10、 schema 返回structType 类型,将字段名称和类型按照结构体类型返回 
11、 toDF()返回一个新的dataframe类型的 
12、 toDF(colnames:String*)将参数中的几个字段返回一个新的dataframe类型的, 
13、 unpersist() 返回dataframe.this.type 类型,去除模式中的数据 
14、 unpersist(blocking:Boolean)返回dataframe.this.type类型 true 和unpersist是一样的作用false 是去除RDD

集成查询: 
1、 agg(expers:column*) 返回dataframe类型 ,同数学计算求值 
df.agg(max(“age”), avg(“salary”)) 
df.groupBy().agg(max(“age”), avg(“salary”)) 
2、 agg(exprs: Map[String, String]) 返回dataframe类型 ,同数学计算求值 map类型的 
df.agg(Map(“age” -> “max”, “salary” -> “avg”)) 
df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”)) 
3、 agg(aggExpr: (String, String), aggExprs: (String, String)*) 返回dataframe类型 ,同数学计算求值 
df.agg(Map(“age” -> “max”, “salary” -> “avg”)) 
df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”)) 
4、 apply(colName: String) 返回column类型,捕获输入进去列的对象 
5、 as(alias: String) 返回一个新的dataframe类型,就是原来的一个别名 
6、 col(colName: String) 返回column类型,捕获输入进去列的对象 
7、 cube(col1: String, cols: String*) 返回一个GroupedData类型,根据某些字段来汇总 
8、 distinct 去重 返回一个dataframe类型 
9、 drop(col: Column) 删除某列 返回dataframe类型 
10、 dropDuplicates(colNames: Array[String]) 删除相同的列 返回一个dataframe 
11、 except(other: DataFrame) 返回一个dataframe,返回在当前集合存在的在其他集合不存在的 
12、 explode[A, B](inputColumn: String, outputColumn: String)(f: (A) ? TraversableOnce[B])(implicit arg0: Scala.reflect.api.JavaUniverse.TypeTag[B]) 返回值是dataframe类型,这个 将一个字段进行更多行的拆分 
df.explode(“name”,”names”) {name :String=> name.split(” “)}.show(); 
将name字段根据空格来拆分,拆分的字段放在names里面 
13、 filter(conditionExpr: String): 刷选部分数据,返回dataframe类型 df.filter(“age>10”).show(); df.filter(df(“age”)>10).show(); df.where(df(“age”)>10).show(); 都可以 
14、 groupBy(col1: String, cols: String*) 根据某写字段来汇总返回groupedate类型 df.groupBy(“age”).agg(Map(“age” ->”count”)).show();df.groupBy(“age”).avg().show();都可以 
15、 intersect(other: DataFrame) 返回一个dataframe,在2个dataframe都存在的元素 
16、 join(right: DataFrame, joinExprs: Column, joinType: String) 
一个是关联的dataframe,第二个关联的条件,第三个关联的类型:inner, outer, left_outer, right_outer, leftsemi 
df.join(ds,df(“name”)===ds(“name”) and df(“age”)===ds(“age”),”outer”).show(); 
17、 limit(n: Int) 返回dataframe类型 去n 条数据出来 
18、 na: DataFrameNaFunctions ,可以调用dataframenafunctions的功能区做过滤 df.na.drop().show(); 删除为空的行 
19、 orderBy(sortExprs: Column*) 做alise排序 
20、 select(cols:string*) dataframe 做字段的刷选 df.select("colA",”colB” + 1) 
21、 selectExpr(exprs: String*) 做字段的刷选 df.selectExpr(“name”,”name as names”,”upper(name)”,”age+1”).show(); 
22、 sort(sortExprs: Column*) 排序 df.sort(df(“age”).desc).show(); 默认是asc 
23、 unionAll(other:Dataframe) 合并 df.unionAll(ds).show(); 
24、 withColumnRenamed(existingName: String, newName: String) 修改列表 df.withColumnRenamed(“name”,”names”).show(); 
25、 withColumn(colName: String, col: Column) 增加一列 df.withColumn(“aa”,df(“name”)).show();

spark dataframe函数编程