如何在 pyspark 中将 spark 数据框保存为没有行的文本文件？

Question

我有一个包含列 ['name'、'age'] 的数据框 "df" 我使用 df.rdd.saveAsTextFile("..") 将数据帧保存为 rdd。我加载了保存的文件，然后 collect() 给了我以下结果。

a = sc.textFile("\mee\sample")
a.collect()
Output:
    [u"Row(name=u'Alice', age=1)",
     u"Row(name=u'Alice', age=2)",
     u"Row(name=u'Joe', age=3)"]

这不是行的 rdd。

a.map(lambda g:g.age).collect()
AttributeError: 'unicode' object has no attribute 'age'

有什么方法可以将数据帧保存为没有列名和行关键字的普通 rdd 吗？我想保存数据框，以便在加载文件和收集时给我如下信息：

a.collect()   
[(Alice,1),(Alice,2),(Joe,3)]

Answer 1

这是正常的RDD[Row]。问题是你，当你 saveAsTextFile 并用 textFile 加载时，你得到的是一堆字符串。如果你想保存对象，你应该使用某种形式的序列化。例如 pickleFile:

from pyspark.sql import Row

df = sqlContext.createDataFrame(
   [('Alice', 1), ('Alice', 2), ('Joe', 3)],
   ("name", "age")
)

df.rdd.map(tuple).saveAsPickleFile("foo")
sc.pickleFile("foo").collect()

## [('Joe', 3), ('Alice', 1), ('Alice', 2)]

Answer 2

我想你可以这样做：

a.map(lambda x:(x[0],x[1])).collect()

如何在 pyspark 中将 spark 数据框保存为没有行的文本文件？

How to save a spark dataframe as a text file without Rows in pyspark?

python

apache-spark

pyspark