为了账号安全,请及时绑定邮箱和手机立即绑定

Pyspark:将元组类型 RDD 转换为 DataFrame

Pyspark:将元组类型 RDD 转换为 DataFrame

慕少森 2023-02-22 13:55:13
我有一个复杂tuple类型的 RDD,比如(20190701, [11,21,31], [('A',10), ('B', 20)])schema 可以自己定义。那么如何把它变成一个DataFrame,像这样:date | 0 | 1 | 2 | A | B  20190701 | 11 | 21 | 31 | 10 | 20
查看完整描述

2 回答

?
MMTTMM

TA贡献1869条经验 获得超4个赞

单程:


from pyspark.sql import Row


rdd = sc.parallelize([(20190701, [11,21,31], [('A',10), ('B', 20)])])


# customize a Row class based on schema    

MRow = Row("date", "0", "1", "2", "A", "B")


rdd.map(lambda x: MRow(x[0], *x[1], *map(lambda e:e[1],x[2]))).toDF().show()

+--------+---+---+---+---+---+

|    date|  0|  1|  2|  A|  B|

+--------+---+---+---+---+---+

|20190701| 11| 21| 31| 10| 20|

+--------+---+---+---+---+---+

或者另一种方式:


rdd.map(lambda x: Row(date=x[0], **dict((str(i), e) for i,e in list(enumerate(x[1])) + x[2]))).toDF().show()

+---+---+---+---+---+--------+

|  0|  1|  2|  A|  B|    date|

+---+---+---+---+---+--------+

| 11| 21| 31| 10| 20|20190701|

+---+---+---+---+---+--------+


查看完整回答
反对 回复 2023-02-22
?
一只甜甜圈

TA贡献1836条经验 获得超5个赞

rdd = sc.parallelize((20190701, [11,21,31], [('A',10), ('B', 20)]))


elements = rdd.take(3)


a = [elements[0]] + (elements[1]) + [elements[2][0][1], elements[2][1][1]]


import pandas as pd

sdf = spark.createDataFrame(pd.DataFrame([20190701, 11, 21, 31, 10, 20]).T)


查看完整回答
反对 回复 2023-02-22
  • 2 回答
  • 0 关注
  • 80 浏览
慕课专栏
更多

添加回答

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信