spark dataframe函數編程
DataFrame 的函數
Action 操作
1、 collect() ,返回值是一個數組，返回dataframe集合所有的行
2、 collectAsList() 返回值是一個Java類型的數組，返回dataframe集合所有的行
3、 count() 返回一個number類型的，返回dataframe集合的行數
4、 describe(cols: String*) 返回一個通過數學計算的類表值(count, mean, stddev, min, and max)，這個可以傳多個參數，中間用逗號分隔，如果有字段為空，那麽不參與運算，只這對數值類型的字段。例如df.describe(“age”, “height”).show()
5、 first() 返回第一行 ，類型是row類型
6、 head() 返回第一行 ，類型是row類型
7、 head(n:Int)返回n行 ，類型是row 類型
8、 show()返回dataframe集合的值 默認是20行，返回類型是unit
9、 show(n:Int)返回n行，，返回值類型是unit
10、 table(n:Int) 返回n行 ，類型是row 類型
dataframe的基本操作
1、 cache()同步數據的內存
2、 columns 返回一個string類型的數組，返回值是所有列的名字
3、 dtypes返回一個string類型的二維數組，返回值是所有列的名字以及類型
4、 explan()打印執行計劃 物理的
5、 explain(n:Boolean) 輸入值為 false 或者true ，返回值是unit 默認是false ，如果輸入true 將會打印 邏輯的和物理的
6、 isLocal 返回值是Boolean類型，如果允許模式是local返回true 否則返回false
7、 persist(newlevel:StorageLevel) 返回一個dataframe.this.type 輸入存儲模型類型
8、 printSchema() 打印出字段名稱和類型 按照樹狀結構來打印
9、 registerTempTable(tablename:String) 返回Unit ，將df的對象只放在一張表裏面，這個表隨著對象的刪除而刪除了
10、 schema 返回structType 類型，將字段名稱和類型按照結構體類型返回
11、 toDF()返回一個新的dataframe類型的
12、 toDF(colnames：String*)將參數中的幾個字段返回一個新的dataframe類型的，
13、 unpersist() 返回dataframe.this.type 類型，去除模式中的數據
14、 unpersist(blocking:Boolean)返回dataframe.this.type類型 true 和unpersist是一樣的作用false 是去除RDD
集成查詢：
1、 agg(expers:column*) 返回dataframe類型 ，同數學計算求值
df.agg(max(“age”), avg(“salary”))
df.groupBy().agg(max(“age”), avg(“salary”))
2、 agg(exprs: Map[String, String]) 返回dataframe類型 ，同數學計算求值 map類型的
df.agg(Map(“age” -> “max”, “salary” -> “avg”))
df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”))
3、 agg(aggExpr: (String, String), aggExprs: (String, String)*) 返回dataframe類型 ，同數學計算求值
df.agg(Map(“age” -> “max”, “salary” -> “avg”))
df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”))
4、 apply(colName: String) 返回column類型，捕獲輸入進去列的對象
5、 as(alias: String) 返回一個新的dataframe類型，就是原來的一個別名
6、 col(colName: String) 返回column類型，捕獲輸入進去列的對象
7、 cube(col1: String, cols: String*) 返回一個GroupedData類型，根據某些字段來匯總
8、 distinct 去重 返回一個dataframe類型
9、 drop(col: Column) 刪除某列 返回dataframe類型
10、 dropDuplicates(colNames: Array[String]) 刪除相同的列 返回一個dataframe
11、 except(other: DataFrame) 返回一個dataframe，返回在當前集合存在的在其他集合不存在的
12、 explode[A, B](inputColumn: String, outputColumn: String)(f: (A) ? TraversableOnce[B])(implicit arg0: Scala.reflect.api.JavaUniverse.TypeTag[B]) 返回值是dataframe類型，這個 將一個字段進行更多行的拆分
df.explode(“name”,”names”) {name :String=> name.split(” “)}.show();
將name字段根據空格來拆分，拆分的字段放在names裏面
13、 filter(conditionExpr: String): 刷選部分數據，返回dataframe類型 df.filter(“age>10”).show(); df.filter(df(“age”)>10).show(); df.where(df(“age”)>10).show(); 都可以
14、 groupBy(col1: String, cols: String*) 根據某寫字段來匯總返回groupedate類型 df.groupBy(“age”).agg(Map(“age” ->”count”)).show();df.groupBy(“age”).avg().show();都可以
15、 intersect(other: DataFrame) 返回一個dataframe，在2個dataframe都存在的元素
16、 join(right: DataFrame, joinExprs: Column, joinType: String)
一個是關聯的dataframe，第二個關聯的條件，第三個關聯的類型：inner, outer, left_outer, right_outer, leftsemi
df.join(ds,df(“name”)===ds(“name”) and df(“age”)===ds(“age”),”outer”).show();
17、 limit(n: Int) 返回dataframe類型 去n 條數據出來
18、 na: DataFrameNaFunctions ，可以調用dataframenafunctions的功能區做過濾 df.na.drop().show(); 刪除為空的行
19、 orderBy(sortExprs: Column*) 做alise排序
20、 select(cols:string*) dataframe 做字段的刷選 df.select("colA",
21、 selectExpr(exprs: String*) 做字段的刷選 df.selectExpr(“name”,”name as names”,”upper(name)”,”age+1”).show();
22、 sort(sortExprs: Column*) 排序 df.sort(df(“age”).desc).show(); 默認是asc
23、 unionAll(other:Dataframe) 合並 df.unionAll(ds).show();
24、 withColumnRenamed(existingName: String, newName: String) 修改列表 df.withColumnRenamed(“name”,”names”).show();
25、 withColumn(colName: String, col: Column) 增加一列 df.withColumn(“aa”,df(“name”)).show();
spark dataframe函數編程