#or

data = spark.sql(“”“select * from temp.tables”“”) data = data.distinct() data.show(3)

count：看行数

data = spark.sql(“”“select * from temp.tables”“”) data.count()

select：查看具体列数据

data = data.select(‘dt’, ‘order_money’) data.show(3)

toDF：对字段命名(搭配常用与groupby–agg–toDF)

data = spark.sql(“”“select * from temp.tables”“”) df = data.group(‘dt’).agg(fn.countDistinct(‘user_id’), fn.sum(‘order_money’)).toDF(‘dt’, ‘user_uv_count’, ‘order_money_sum’) df.show(3)

withColumn：新增列名

df = df.withColumn(‘avg_money’, (df.order_money_sum / df.user_uv_count).cast(‘decimal(14,4)’)) df.show(3)

printSchema: 打印列名信息

df.printSchema()

dropDuplicates：数据列数去重

data = spark.sql(“”“select * from temp.tables”“”) data.dropDuplicates([‘city’]).show()

limit：数据看前N条

data = spark.sql(“”“select * from temp.tables”“”).limit(10) data.show(3)

collect：所有数据收集到数组

data = spark.sql(“”“select * from temp.tables”“”) data.collect().show(3)

head==take：查看前N行数据

data = spark.sql(“”“select * from temp.tables”“”).head(5) data.show(3)

data = spark.sql(“”“select * from temp.tables”“”).take(5) data.show(3)

sample：随机采样，fraction按比例采样

data = spark.sql(“”“select * from temp.tables”“”) data = data.sample(fraction=0.5) data.show(3)

selectExpr：选择列名字段，更改列名调整小数位

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）

都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取） [外链图片转存中…(img-aXyPLqaB-1712586273918)]

参考文章

评论可见，请评论后查看内容，谢谢！！！评论后请刷新页面。