本篇主要介紹兩種將本地文件讀爲DataFrame的方法。
方法一:
其中,format的第一個參數是固定的,代表讀取csv文件,load後面寫入自己存儲的路徑即可
from pyspark import SparkContext
from pyspark.sql import SQLContext
sc = SparkContext()
sqlContext = SQLContext(sc)
df = sqlContext.read.format('com.databricks.spark.csv').options(header='true', inferschema='true').load('D:/chen_lib工作文檔/works/monitor/monitor_warn_hive.csv')
方法二:
藉助pandas庫,先用pandas讀爲dataframe,再通過創建dataframe轉爲pyspark中的dataframe。
from pyspark import SparkContext
from pyspark.sql import SQLContext
import pandas as pd
sc = SparkContext()
sqlContext=SQLContext(sc)
df=pd.read_csv(r'D:/chen_lib工作文檔/works/IM/test.csv')
df_1=sqlContext.createDataFrame(df)
接下來查看數據: