我有一个csv，我使用spark.read导入到databricks中。这个大文件包含每日级别的记录/事务。我将数据帧减少到5列，并保持500,000行不变。我正在尝试构建这个源文件的汇总表，它在一个月级别(聚合)表示这些记录/事务。 该脚本有一个filter/groupby/sum命令，该命令返回一行，将数据汇总为一个月的计数。我在使用此脚本的输出(显示或csv</e
浏览 12提问于2020-07-12得票数 0
1回答
我来自here，正在尝试从Pyspark中的this dataset中读取正确的值。我使用df = spark.read.csv("hashtag_donaldtrump.csv", header=True, multiLine=True)取得了很好的进展，但现在我在一些单元格中有一些奇怪的值，如您在下面的图片(最后一行)中所看到的： ? 否则，如何使用另一个程序读取带格式的CSV？对我来说
浏览 13提问于2021-01-15得票数 0
我正在尝试迭代一个大型Pyspark Dataframe列中的所有不同值。当我尝试使用.distinct().collect()执行此操作时，即使只有两个不同的值，它也会发出“任务太大”警告。下面是一些示例代码：length = 200000
data = spark.createDat
浏览 1提问于2020-01-14得票数 1
3回答
如何创建动态数据帧
、、、、
我试图创建一个数据框，我之所以以下面的方式指定创建数据框，是为了使其成为动态的，但表达式是作为字符串传递的，并且exec命令无法创建数据框并将其赋值给变量。下面是我的代码： value ='true'
header='header'a= "spark.read.option(&#x
浏览 18提问于2020-02-08得票数 0
我需要使用spark-csv将其加载到三个独立的数据帧中，具体取决于文件的名称。我还知道在spark中有一些通配符功能(参见) -我可能可以利用
最后，我可以使用pandas从磁盘加载vanilla csv文件作为pandas数据帧，然后创建spark数据帧。1或2吗？此外，我很惊讶的是，没有
浏览 0提问于2016-12-14得票数 7
回答已采纳
4回答
我目前正在读入一个很大的csv文件(大约100万行)，使用中描述的命令，例如：with open('eggs.csv', 'rb') as csvfile: for row in spamreader:
process_ro
浏览 1提问于2016-10-07得票数 0
我有一张名叫result_25的桌子。我使用此代码成功地将数据导出到磁盘上的csv。result_25.toPandas().to_csv('mycsv.csv')rr = spark.read.csv('mycsv.csv',inferSchema=True, header=True)
我查了数据，看上
浏览 3提问于2018-10-01得票数 2
回答已采纳
1回答
将数据帧导出到csv时出现问题
、、、、
对于下面的代码，用户输入他们的压缩机的气缸数量。然后创建具有正确列数的数据帧，并将其作为CSV文件导出到Excel。输出的数据帧看起来与我想要的完全一样，如第一个链接所示，但在Excel中打开它时，它看起来像第二个链接中的图像: 1.my dataframe 2.Excel Table 为什么我的数据框不能正确地导出到Excel
浏览 11提问于2020-09-25得票数 0
2回答
我的家庭作业让我很难受。在groupBy之后，我的"df2“视图如下： df2.groupBy('years').count().show()|years|count|| 2001|11532|| 2000| 7462|| 2002|11799|
+-----+-----+ 每次尝试将其保存(然后用pandas加载)到一个文件时，都会返回我使用pypspark读取的
浏览 19提问于2020-12-03得票数 0
回答已采纳
我正在尝试构建一个组件，它可以动态地将一个大型数据集连接到多个小得多的数据集。我已经将较大和较小的数据集作为数据帧保存在内存中。随着用户输入的到来，我需要选择大数据集的一个子集，并用较小数据集中的一些信息来丰富它。
不幸的是，这些动态连接被证明是昂贵的，以分钟而不是秒为数量级
浏览 2提问于2016-02-11得票数 0
0回答
这里的目标是读入许多csv文件，每个文件都读入一个单独的Pandas数据帧。下面三行中的第三行在"=“之前是错误的。我读过很多关于使用字典而不是动态变量的帖子，但我不明白如何在这里应用它。除了globals()方法之外，是否还有其他方法，这似乎有很多反对意见？testlist = ['A', 'B', 'C']
浏览 1提问于2017-11-29得票数 0
回答已采纳
2回答
我正在尝试创建一个在线仪表板，填充所有的数据从我的数据库到一个表和即时通讯使用javascript数据表插件。但我想创建一个更好的方式，想要一个类似谷歌电子表格的布局，其中电子表格元组可以编辑或保存类似谷歌电子表格。
我使用的是python 2.7，所以有人能帮我解决这个问题吗？
浏览 1提问于2017-04-18得票数 1
我的最终数据帧大约有9800万行。 我需要将其从Databricks导出，以便我可以将其导入Power BI进行报告。Power BI目前似乎没有一个连接器可以解释分区的性质，如果我只是简单地将数据帧写入CSV。使用合并或转换为pandas数据帧并导出到CSV的速度非常慢，并且容易受到群集上的资源限制。我尝试过上述两种方
浏览 10提问于2019-04-29得票数 0
我需要写一个spark数据帧到Postgres DB。我尝试了以下方法.format("csv").save(path'type‘对象不可迭代output= io.StringIO()
df.to_csv
浏览 1提问于2018-07-30得票数 2
这周我刚开始使用PySpark，我已经安装了access 2的实例已经安装了Pandas。但是在星火上拥有熊猫有什么用呢？在PySpark上运行脚本不就是为了克服像Pandas这样的软件包的局限性吗？
如果Pandas在星火上运行，它的性能会提高吗？它与星火的RDD兼容吗？
浏览 0提问于2017-01-13得票数 4
我之前发布了这个问题，并得到了一些使用PySpark的建议。
下面的压缩文件()包含一个名为data的文件夹，其中包含大约130,000个csv文件。我想把它们合并到一个单独的数据帧中。如果您打开任何csv文件，您可以看到它们都具有相同的格式，第一列用于日期，第二列用于数据系列。所以现在我改用PySpark，但是我不知道连接所有文件的最有效的方法</em
浏览 14提问于2020-02-17得票数 2
回答已采纳
2回答
我有一个很大的python值字典(大约50 GB)，并将其存储为JSON文件。当涉及到打开文件和写入文件时，我遇到了效率问题。我是否应该使用Python字典来存储我的数据？python字典有多大有限制吗？(字典会变得更大)。任何帮助都将不胜感激。谢谢!
浏览 1提问于2018-12-25得票数 6
我试图将我从数据库中查询的数据导出到txt文件中。我可以用.to_csv方法来实现这一点，但是它可以用空格导出。我尝试将查询中的(sep)设置为无空格，但它迫使我至少使用一个空格或项作为分隔符。是否有任何方法将数据导出到txt文件，而在导出之间没有任何空格？数据帧用于导出到.txt的代码
dataf
浏览 18提问于2021-03-31得票数 1
回答已采纳
我有一个数据帧，它的名字很长，很有描述性。我不想像python用户的许多典型建议那样，通过截断名称并用_代替空格来屠宰名称。如果截断的列名足以唯一标识df.This、df.Anot、df.Yet等列，是否可以将pandas设置为识别该列名 或者可能有一种方法将字典传递给dataframe类，这样使用截断的名称将自动与更长的引用相关联
浏览 13提问于2020-11-20得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
