pyspark中的dataframe的观察操作

来自于：http://www.bubuko.com/infodetail-2802814.html

1、读取：

• sparkDF = spark.read.csv(path)
• sparkDF = spark.read.text(path)

2、打印：

sparkDF.show()【这是pandas中没有的】：打印内容

sparkDF.head()：打印前面的内容

sparkDF.describe()：统计信息

sparkDF.printSchema()：打印schema，列的属性信息打印出来【这是pandas中没有的】

sparkDF.columns：将列名打印出来

3、选择列

【select函数，原pandas中没有】

sparkDF.select(‘列名1‘,‘列名2‘).show()：选择dataframe的两列数据显示出来

sparkDF.select ( sparkDF[‘列名1‘]+1 , ‘列名2‘ ).show()：直接对列1进行操作（值+1）打印出来

4、筛选列：

filter【类似pandas中dataframe的采用列名来筛选功能】

sparkDF.filter ( sparkDF[‘value‘] == 100 ).show()：将value这一列值为100的行筛选出来

5、计算不重复值以及统计dataframe的行数

distinct()函数：将重复值去除

sparkDF.count()：统计dataframe中有多少行

将评分为100的电影数量统计出来：