spark操作列表

不念不忘少年蓝@ 2022-02-12 12:21 284阅读 0赞

**Action 操作**  
1、 collect() ,返回值是一个数组，返回dataframe集合所有的行  
2、 collectAsList() 返回值是一个java类型的数组，返回dataframe集合所有的行  
3、 count() 返回一个number类型的，返回dataframe集合的行数  
4、 describe(cols: String\*) 返回一个通过数学计算的类表值(count, mean, stddev, min, and max)，这个可以传多个参数，中间用逗号分隔，如果有字段为空，那么不参与运算，只这对数值类型的字段。例如df.describe("age", "height").show()  
5、 first() 返回第一行 ，类型是row类型  
6、 head() 返回第一行 ，类型是row类型  
7、 head(n:Int)返回n行 ，类型是row 类型  
8、 show()返回dataframe集合的值 默认是20行，返回类型是unit  
9、 show(n:Int)返回n行，，返回值类型是unit  
10、 table(n:Int) 返回n行 ，类型是row 类型

**dataframe的基本操作**  
1、 cache()同步数据的内存  
2、 columns 返回一个string类型的数组，返回值是所有列的名字  
3、 dtypes返回一个string类型的二维数组，返回值是所有列的名字以及类型  
4、 explan()打印执行计划 物理的  
5、 explain(n:Boolean) 输入值为 false 或者true ，返回值是unit 默认是false ，如果输入true 将会打印 逻辑的和物理的  
6、 isLocal 返回值是Boolean类型，如果允许模式是local返回true 否则返回false  
7、 persist(newlevel:StorageLevel) 返回一个dataframe.this.type 输入存储模型类型  
8、 printSchema() 打印出字段名称和类型 按照树状结构来打印  
9、 registerTempTable(tablename:String) 返回Unit ，将df的对象只放在一张表里面，这个表随着对象的删除而删除了  
10、 schema 返回structType 类型，将字段名称和类型按照结构体类型返回  
11、 toDF()返回一个新的dataframe类型的  
12、 toDF(colnames：String\*)将参数中的几个字段返回一个新的dataframe类型的，  
13、 unpersist() 返回dataframe.this.type 类型，去除模式中的数据  
14、 unpersist(blocking:Boolean)返回dataframe.this.type类型 true 和unpersist是一样的作用false 是去除RDD

**集成查询：**  
1、 agg(expers:column\*) 返回dataframe类型 ，同数学计算求值  
df.agg(max("age"), avg("salary"))  
df.groupBy().agg(max("age"), avg("salary"))  
2、 agg(exprs: Map\[String, String\]) 返回dataframe类型 ，同数学计算求值 map类型的  
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类型 ，同数学计算求值  
df.agg(Map("age" -> "max", "salary" -> "avg"))  
df.groupBy().agg(Map("age" -> "max", "salary" -> "avg"))  
4、 apply(colName: String) 返回column类型，捕获输入进去列的对象  
5、 as(alias: String) 返回一个新的dataframe类型，就是原来的一个别名  
6、 col(colName: String) 返回column类型，捕获输入进去列的对象  
7、 cube(col1: String, cols: String\*) 返回一个GroupedData类型，根据某些字段来汇总  
8、 distinct 去重 返回一个dataframe类型  
9、 drop(col: Column) 删除某列 返回dataframe类型  
10、 dropDuplicates(colNames: Array\[String\]) 删除相同的列 返回一个dataframe  
11、 except(other: DataFrame) 返回一个dataframe，返回在当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类型，这个 将一个字段进行更多行的拆分  
df.explode("name","names") \{name :String=> name.split(" ")\}.show();  
将name字段根据空格来拆分，拆分的字段放在names里面  
13、 filter(conditionExpr: String): 刷选部分数据，返回dataframe类型 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\*) 根据某写字段来汇总返回groupedate类型 df.groupBy("age").agg(Map("age" ->"count")).show();df.groupBy("age").avg().show();都可以  
15、 intersect(other: DataFrame) 返回一个dataframe，在2个dataframe都存在的元素  
16、 join(right: DataFrame, joinExprs: Column, joinType: String)  
一个是关联的dataframe，第二个关联的条件，第三个关联的类型：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类型 去n 条数据出来  
18、 na: DataFrameNaFunctions ，可以调用dataframenafunctions的功能区做过滤 df.na.drop().show(); 删除为空的行  
19、 orderBy(sortExprs: Column\*) 做alise排序  
20、 select(cols:string\*) dataframe 做字段的刷选 df.select($"colA", $"colB" + 1)  
21、 selectExpr(exprs: String\*) 做字段的刷选 df.selectExpr("name","name as names","upper(name)","age+1").show();  
22、 sort(sortExprs: Column\*) 排序 df.sort(df("age").desc).show(); 默认是asc  
23、 unionAll(other:Dataframe) 合并 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();