代码之家 › 专栏 › 技术社区 › Alexander Engelhardt

如何避免在Spark数据帧中多次执行相同的转换?

pyspark-sql pyspark apache-spark

Alexander Engelhardt · 技术社区 · 6 年前

我有一个原始的火花数据帧 DF . 让我们假设一个简单的场景,在这个场景中,我想用几种方法对它进行预处理和转换,然后最后绘制两个图。

DF = spark.read.csv('foo.csv')
DF = preprocess(DF)

result_1 = some_aggregations(DF).toPandas()
result_2 = some_different_aggregations(DF).toPandas()

现在,如果我理解正确,例如 the accepted answer here

0 回复 | 直到 6 年前

推荐文章

Geoffrey · Pyspark:将数据帧保存到多个具有单个文件特定大小的镶木地板文件中

1 年前

Bruno Peixoto · Spark群集CI管道构建失败

1 年前

codebot · 将df从pandas转换为PySpark时会删除列名

1 年前

mcsilvio · 在foreach中组织联接的最佳方式是什么?

1 年前

Dhruv · 在sbt控制台上运行Spark

1 年前

Leonard · Pyspark:JSON到Pyspark数据帧

1 年前

billie class · 将列中的值重写为列表中的下一个值

2 年前

Calcutta · Google Colab中的Spark SQL在大数据上失败

2 年前

Doraemon · PySpark:使用不同值的字符串类型列创建聚合列

2 年前

OdiumPura · 使用JDBC(Sql server)查询tempview

2 年前