DataFrame函数

[toc]

DataFrame 的函数

Action 操作

• collect() ,返回值是一个数组，返回dataframe集合所有的行

• collectAsList() 返回值是一个java类型的数组，返回dataframe集合所有的行

• count() 返回一个number类型的，返回dataframe集合的行数

• 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()*

• first() 返回第一行 ，类型是row类型

• head() 返回第一行 ，类型是row类型

• head(n:Int)返回n行 ，类型是row 类型

• show()返回dataframe集合的值 默认是20行，返回类型是unit

• show(n:Int)返回n行，，返回值类型是unit

• table(n:Int) 返回n行 ，类型是row 类型

dataframe的基本操作

• cache()同步数据的内存
• columns 返回一个string类型的数组，返回值是所有列的名字
• 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
• explan()打印执行计划物理的
• 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
• isLocal 返回值是Boolean类型，如果允许模式是local返回true 否则返回false
• persist(newlevel:StorageLevel) 返回一个dataframe.this.type 输入存储模型类型
• printSchema() 打印出字段名称和类型 按照树状结构来打印
• 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
• schema 返回structType 类型，将字段名称和类型按照结构体类型返回
• toDF()返回一个新的dataframe类型的
• toDF(colnames：String*)将参数中的几个字段返回一个新的dataframe类型的
• unpersist() 返回dataframe.this.type 类型，去除模式中的数据
• 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

• 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"))*
• 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"))
• 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"))
• apply(colName: String) 返回column类型，捕获输入进去列的对象
• as(alias: String) 返回一个新的dataframe类型，就是原来的一个别名
• col(colName: String) 返回column类型，捕获输入进去列的对象
• cube(col1: String, cols: String*) 返回一个GroupedData类型，根据某些字段来汇总*
• distinct 去重 返回一个dataframe类型
• drop(col: Column) 删除某列 返回dataframe类型
• dropDuplicates(colNames: Array[String]) 删除相同的列 返回一个dataframe
• 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
• 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
• 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
• 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*
• intersect(other: DataFrame) 返回一个dataframe，在2个dataframe都存在的元素
• 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();
• limit(n: Int) 返回dataframe类型 去n 条数据出来
• na: DataFrameNaFunctions ，可以调用dataframenafunctions的功能区做过滤 df.na.drop().show(); 删除为空的行
• orderBy(sortExprs: Column*) 做alise排序*
• select(cols:string*) dataframe 做字段的刷选 df.select($"colA", $"colB" + 1)*
• selectExpr(exprs: String*) 做字段的刷选 df.selectExpr("name","name as names","upper(name)","age+1").show();*
• sort(sortExprs: Column*) 排序 df.sort(df("age").desc).show(); 默认是asc
• unionAll(other:Dataframe) 合并 df.unionAll(ds).show();
• withColumnRenamed(existingName: String, newName: String) 修改列表 df.withColumnRenamed("name","names").show();
• withColumn(colName: String, col: Column) 增加一列 df.withColumn("aa",df("name")).show();