06 Spark SQL 及其DataFrame的基本操作

1.Spark SQL出现的 原因是什么?

SparkSQL是spark用来处理结构化的一个模块，它提供一个抽象的数据集DataFrame,并且是作为分布式SQL查询引擎的应用，可以将执行效率大大提升。

2.用spark.read 创建DataFrame

3.观察从不同类型文件创建DataFrame有什么异同?

 txt文件：创建的DataFrame数据没有结构

json文件：创建的DataFrame数据有结构

4.观察Spark的DataFrame与Python pandas的DataFrame有什么异同？

Spark SQL DataFrame的基本操作

创建：

spark.read.text()

spark.read.json()

打印数据

df.show()默认打印前20条数据，df.show(n)

打印概要

df.printSchema()

查询总行数

df.count()

df.head(3) #list类型，list中每个元素是Row类

输出全部行

df.collect() #list类型，list中每个元素是Row类

查询概况

df.describe().show()

取列

df2[‘name’]

df2.name

df.select()

df.filter()

df.groupBy()

df.sort()

06 Spark SQL 及其DataFrame的基本操作

原文：https://www.cnblogs.com/fbs1/p/14749008.html