pyspark 数据框中的 rdd 是什么意思

本文介绍了pyspark 数据框中的 rdd 是什么意思的处理方法，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

限时送ChatGPT账号..

我是 pyspark 的新手.我想知道 pyspark 数据框中的 rdd 是什么意思.

I am new to to pyspark. I am wondering what does rdd mean in pyspark dataframe.

weatherData = spark.read.csv('weather.csv', header=True, inferSchema=True)

这两行代码有相同的输出.我想知道 rdd 有什么影响

These two line of the code has the same output. I am wondering what the effect of having rdd

weatherData.collect()
weatherData.rdd.collect()

推荐答案

数据框是一个表格，或类似二维数组的结构，其中每一列包含一个变量的测量值，每一行包含一个案例.

A data frame is a table, or two-dimensional array-like structure, in which each column contains measurements on one variable, and each row contains one case.

因此，DataFrame 由于其表格格式而具有额外的元数据，这允许 Spark 对最终查询运行某些优化.

So, a DataFrame has additional metadata due to its tabular format, which allows Spark to run certain optimizations on the finalized query.

RDD，另一方面，只是一个R弹性D分布式Dataset，它是更多的是无法优化的数据黑匣子，因为可以对其执行的操作不受约束.

An RDD, on the other hand, is merely a Resilient Distributed Dataset that is more of a blackbox of data that cannot be optimized as the operations that can be performed against it, are not as constrained.

但是，您可以通过 .rdd 方法从 DataFrame 到 RDD，并且可以从 RDD 到DataFrame(如果RDD是表格格式)通过.toDF()方法

However, you can go from a DataFrame to an RDD via its .rdd method, and you can go from an RDD to a DataFrame (if the RDD is in a tabular format) via the .toDF() method

一般情况下，由于内置查询优化，建议尽可能使用 DataFrame.

In general, it is recommended to use a DataFrame where possible due to the built in query optimization.

这篇关于pyspark 数据框中的 rdd 是什么意思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！