#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
发表评论