如何在pyspark 1.6.1中将rdd转换为数据帧？

在pyspark 1.6.1中有没有关于如何将rdd转换为dataframe并将dataframe转换回rdd的示例？

toDF（）

不能在1.6.1中使用吗

例如，我有这样一个rdd：

data = sc.parallelize([('a','b','c', 1,4), ('o','u','w', 9,3), ('s','q','a', 8,6), ('l','g','z', 8,3), \
                       ('a','b','c', 9,8), ('s','q','a', 10,10), ('l','g','z', 20,20), ('o','u','w', 77,77)])

---

如果由于某种原因无法使用.toDF（）方法，我建议的解决方案是：

data = sqlContext.createDataFrame(sc.parallelize([('a','b','c', 1,4), ('o','u','w', 9,3), ('s','q','a', 8,6), ('l','g','z', 8,3), \
                   ('a','b','c', 9,8), ('s','q','a', 10,10), ('l','g','z', 20,20), ('o','u','w', 77,77)]))

这将创建一个名为“\n”的DF，其中n是列的编号。如果您想重命名这些列，我建议您查看以下帖子：。但你需要做的就是：

data_named = data.selectExpr("_1 as One", "_2 as Two", "_3 as Three", "_4 as Four", "_5 as Five")

现在让我们看看DF：

data_named.show()

这将输出：

+---+---+-----+----+----+
|One|Two|Three|Four|Five|
+---+---+-----+----+----+
|  a|  b|    c|   1|   4|
|  o|  u|    w|   9|   3|
|  s|  q|    a|   8|   6|
|  l|  g|    z|   8|   3|
|  a|  b|    c|   9|   8|
|  s|  q|    a|  10|  10|
|  l|  g|    z|  20|  20|
|  o|  u|    w|  77|  77|
+---+---+-----+----+----+

---

编辑：请重试，因为您应该能够在spark 1.6.1中使用.toDF（）我看不出为什么在pyspark for spark 1.6.1中不能使用

rdd.toDF

。请查看spark 1.6.1 python文档，例如

toDF（）

：

按照您的要求,

rdd = sc.parallelize([('a','b','c', 1,4), ('o','u','w', 9,3), ('s','q','a', 8,6), ('l','g','z', 8,3), ('a','b','c', 9,8), ('s','q','a', 10,10), ('l','g','z', 20,20), ('o','u','w', 77,77)])

#rdd to dataframe
df = rdd.toDF() 
## can provide column names like df2 = df.toDF('col1', 'col2','col3,'col4') 

#dataframe to rdd
rdd2 = df.rdd