億、声明
スパークnumpyのとパンダは、限り、あなたがインストールされ、プログラムを実行することができます
まず、なぜあなたはpandas.dataframeでデータフレームのスパークプログラムを変更したいです
かつての缶が動作のみスタンドアロン、後者はクラスタを実行することができます
第二に、比較
このポストに直接ジャンプ「データフレームは対照的に、スパークやパンダ」との書き込みも
第三に、変換
スパーク - >パンダ | パンダ - >スパーク |
---|---|
pandas_df = spark_df.toPandas() | spark_df = spark.createDataFrame(pandas_df) |
:パンダはtoPandas()は分散型バージョンに、道のスタンドアロンバージョンであること、道のスタンドアロンバージョンであるため、
import pandas as pd
def _map_to_pandas(rdds):
return [pd.DataFrame(list(rdds))]
def topas(df, n_partitions=None):
if n_partitions is not None: df = df.repartition(n_partitions)
df_pand = df.rdd.mapPartitions(_map_to_pandas).collect()
df_pand = pd.concat(df_pand)
df_pand.columns = df.columns
return df_pand
pandas_df = topas(spark_df)
参考ボーエン:
「パンダのデータ変換とスパーク」
データフレームHuzhuanのパンダとスパーク「」