pandas和spark dataframe互相转换实例详解

这篇文章主要介绍了pandas和spark dataframe互相转换实例详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

from pyspark.sql import SparkSession
# 初始化spark会话
spark = SparkSession \
 .builder \
 .getOrCreate()
spark_df = spark.createDataFrame(pandas_df)

spark的dataframe转pandas的dataframe

import pandas as pd
pandas_df = spark_df.toPandas()

由于pandas的方式是单机版的，即toPandas()的方式是单机版的，所以参考breeze_lsw改成分布式版本：

import pandas as pd
def _map_to_pandas(rdds):
 return [pd.DataFrame(list(rdds))]

def topas(df, n_partitions=None):
 if n_partitions is not None: df = df.repartition(n_partitions)
 df_pand = df.rdd.mapPartitions(_map_to_pandas).collect()
 df_pand = pd.concat(df_pand)
 df_pand.columns = df.columns
 return df_pand

pandas_df = topas(spark_df)