本文介绍了如何从字典创建数据框,其中每个项目都是PySpark中的一列的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

我想用字典制作一个新的数据框.字典包含列名作为键,并包含列数据的列表作为值.例如:

I want to make a new dataframe from a dictionary. The dictionary contains column names as keys and lists of columnar data as values. For example:

col_dict = {'col1': [1, 2, 3],
            'col2': [4, 5, 6]}

我需要它作为如下所示的数据框:

I need this as a dataframe that looks like this:

+------+------+
| col1 | col2 |
+------+------+
|     1|     4|
|     2|     5|
|     3|     6|
+------+------+

似乎没有简单的方法可以做到这一点.

It doesn't seem like there's an easy way to do this.

推荐答案

最简单的方法是创建一个熊猫DataFrame并将其转换为Spark DataFrame:

Easiest way is to create a pandas DataFrame and convert to a Spark DataFrame:

col_dict = {'col1': [1, 2, 3],
            'col2': [4, 5, 6]}

import pandas as pd
pandas_df = pd.DataFrame(col_dict)
df = sqlCtx.createDataFrame(pandas_df)
df.show()
#+----+----+
#|col1|col2|
#+----+----+
#|   1|   4|
#|   2|   5|
#|   3|   6|
#+----+----+

没有熊猫

如果没有可用的熊猫,则只需将数据处理为适用于createDataFrame()函数的形式.引用上一个答案:

Without Pandas

If pandas is not available, you'll just have to manipulate your data into a form that works for the createDataFrame() function. Quoting myself from a previous answer:

colnames, data = zip(*col_dict.items())
print(colnames)
#('col2', 'col1')
print(data)
#([4, 5, 6], [1, 2, 3])

现在,我们需要修改数据,以便它是一个元组列表,其中每个元素都包含对应列的数据.幸运的是,使用zip很容易:

Now we need to modify data so that it's a list of tuples, where each element contains the data for the corresponding column. Luckily, this is easy using zip:

data = zip(*data)
print(data)
#[(4, 1), (5, 2), (6, 3)]

现在拨打createDataFrame():

df = sqlCtx.createDataFrame(data, colnames)
df.show()
#+----+----+
#|col2|col1|
#+----+----+
#|   4|   1|
#|   5|   2|
#|   6|   3|
#+----+----+

这篇关于如何从字典创建数据框,其中每个项目都是PySpark中的一列的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持!

08-18 19:34