我正在使用Pyspark，最近将数据帧作为文本文件存储在HDFS中，如下所示:
df.rdd.repartition(1).saveAsTextFile(path)
已成功创建文件，但内容格式如下:
Row(APP_PRESS=0.8322056773315432, LINE_PRESS=0.0, POSITION=324.17885120541024, SH_SP=-1.610030115550595, TEMP=24.300001144400007, TRIGGER=4.0869775365401934e-19, V_IND=98.36323547359974)
Row(APP_PRESS=0.8025359920151738, LINE_PRESS=0.0, POSITION=324.12892475616513, SH_SP=1.8780468896210554, TEMP=24.300001144399893, TRIGGER=-1.7645281682240943e-19, V_IND=98.36323547359977)
...
现在，我要做的就是将这些数据加载到Pyspark的数据框中，只是获得与之前保存的数据框('df')相同的数据。
我该怎么做？
最佳答案
尝试这样的事情:
df=sc.textFile(...).toDF()
但是您可以通过将上面的代码修改为以下内容来避免此步骤:
df.rdd.repartition(1).toDF()
然后保存。
关于hadoop - 如何将存储在包含行的HDFS中的文本文件转换为Pyspark中的数据框？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47158271/