spark

spark函数如何使用

小樊
82
2024-12-13 22:08:31
栏目: 大数据

在 Apache Spark 中,函数(functions)是一个用于处理数据并返回新数据的操作。要使用 Spark 函数,您需要首先创建一个函数,然后将其应用于 DataFrame 或 Dataset。以下是如何在 PySpark 中使用函数的步骤:

  1. 导入所需的库:
from pyspark.sql import SparkSession
from pyspark.sql.functions import col, lit, sum
  1. 创建一个 SparkSession:
spark = SparkSession.builder \
    .appName("Spark Functions Example") \
    .getOrCreate()
  1. 创建一个 DataFrame 示例:
data = [("Alice", 34), ("Bob", 45), ("Cathy", 29), ("David", 31)]
columns = ["Name", "Age"]

df = spark.createDataFrame(data, columns)
df.show()
  1. 创建一个函数:
def double_age(age):
    return age * 2
  1. 使用 withColumn 方法将函数应用于 DataFrame:
df_doubled_age = df.withColumn("DoubledAge", double_age(col("Age")))
df_doubled_age.show()
  1. 使用 select 方法选择原始列和转换后的列:
result = df_doubled_age.select("Name", "Age", "DoubledAge")
result.show()
  1. 关闭 SparkSession:
spark.stop()

这将输出以下内容:

+-----+---+--------+
| Name|Age|DoubledAge|
+-----+---+--------+
|Alice| 34|       68|
|  Bob| 45|       90|
|Cathy| 29|       58|
|David| 31|       62|
+-----+---+--------+

+-----+---+--------+
| Name|Age|DoubledAge|
+-----+---+--------+
|Alice| 34|       68|
|  Bob| 45|       90|
|Cathy| 29|       58|
|David| 31|       62|
+-----+---+--------+

这就是在 PySpark 中使用 Spark 函数的方法。您可以根据需要创建和使用其他类型的函数。

0
看了该问题的人还看了