在 Spark 中读取具有多个标题的文本文件 [英] Reading a text file with multiple headers in Spark
本文介绍了在 Spark 中读取具有多个标题的文本文件的处理方法,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
我有一个包含多个标题的文本文件,其中TEMP"列包含当天的平均温度,然后是记录数.如何正确读取此文本文件以创建 DataFrame
I have a text file having multiple headers where "TEMP" column has the average temperature for the day, followed by the number of recordings. How can I read this text file properly to create a DataFrame
STN--- WBAN YEARMODA TEMP
010010 99999 20060101 33.5 23
010010 99999 20060102 35.3 23
010010 99999 20060103 34.4 24
STN--- WBAN YEARMODA TEMP
010010 99999 20060120 35.2 22
010010 99999 20060121 32.2 21
010010 99999 20060122 33.0 22
推荐答案
- 您可以在
RDD
中读取文本文件作为普通文本文件 - 文本文件中有一个分隔符,假设它是一个
空格
- 然后您可以从中删除标题
- 删除所有与标题不相等的行
- 然后使用
.toDF(col_names)
将
RDD
转换为数据帧像这样:
rdd = sc.textFile("path/to/file.txt").map(lambda x: x.split(" ")) # step 1 & 2
headers = rdd.first() # Step 3
rdd2 = rdd.filter(lambda x: x != headers)
df = rdd2.toDF(headers) # Step 4
这篇关于在 Spark 中读取具有多个标题的文本文件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IT屋!
查看全文