Pyspark 如何从.txt.bz2文件创建Spark数据帧
如何从名为“/datos/cite75_99.txt.bz2”的.txt.bz2文件创建Spark数据帧 源文本文件的结构如下所示:Pyspark 如何从.txt.bz2文件创建Spark数据帧,pyspark,Pyspark,如何从名为“/datos/cite75_99.txt.bz2”的.txt.bz2文件创建Spark数据帧 源文本文件的结构如下所示: "CITING","CITED" 3858241,956203 3858241,1324234 3858241,3398406 3858241,3557384 3858241,3634889 +--------+------+ |NPatente|ncitas| +--------+------+ | 306045
"CITING","CITED"
3858241,956203
3858241,1324234
3858241,3398406
3858241,3557384
3858241,3634889
+--------+------+
|NPatente|ncitas|
+--------+------+
| 3060453| 3 |
| 3390168| 6 |
| 3626542| 18 |
| 3611507| 5 |
| 3000113| 4 |
所需输出是一个Spark数据帧,它按如下方式计算每个引用的数量:
"CITING","CITED"
3858241,956203
3858241,1324234
3858241,3398406
3858241,3557384
3858241,3634889
+--------+------+
|NPatente|ncitas|
+--------+------+
| 3060453| 3 |
| 3390168| 6 |
| 3626542| 18 |
| 3611507| 5 |
| 3000113| 4 |
期待您的回复
谢谢大家! 您可以在spark中直接阅读 Spark支持bz2压缩
%pyspark
df = spark.read.csv(path_to_file)