问题描述
物业编号|位置|价格|卧室|浴室|大小|价格平方英尺|状态
我已经使用 rdd 读取了这个文件 a=sc.textFile("/FileStore/tables/realestate.txt")
现在我需要将此 rdd 转换为数据帧。我正在使用下面提到的命令
d=spark.createDataFrame(a).toDF("Property ID","Location","Price","bedrooms","Bathrooms","Size","Price SQ Ft","Status")
解决方法
您可以先拆分列:
d = spark.createDataFrame(a.map(lambda x: x.split('|'))).toDF("Property ID","Location","Price","Bedrooms","Bathrooms","Size","Price SQ Ft","Status")
或者等效地,直接在RDD上调用toDF
d = a.map(lambda x: x.split('|')).toDF(["Property ID","Status"])
事实上,我建议为此目的使用 Spark CSV 阅读器,它也可以适当地处理标题:
df = spark.read.csv('/FileStore/tables/realestate.txt',header=True,inferSchema=True,sep='|')