Python 为什么createDataFrame的推断器不'；是否将此数据作为字符串创建列？

下面的代码显示了如何构建数据帧。可以看出，dataframe由两列组成。每列的最后一行都有整数和字符串

据我所知，我必须分析列的数据类型（结果是行）。然后，假设一个数据类型可以包含所有行。在这种情况下，我假设列必须是字符串数据类型，因为这种类型可以包括数字和字符串

因此，为什么生成的数据帧具有长数据类型的列，而字符串为空

# DataFrame construction:
b = sqlContext.createDataFrame([(1, 2),(2, 3), (3, 3), ('test0', 'test1')], ['pepe', 'pepa'], samplingRatio=1)
b.show()


#+----+----+
#|pepe|pepa|
#+----+----+
#|   1|   2|
#|   2|   3|
#|   3|   3|
#|null|null|
#+----+----+

---

在@ccheneson的建议之后，我决定重新运行代码，删除参数

samplingario

，得到了完全相同的结果。你知道为什么会这样吗

这是因为当从本地数据结构创建

DataFrame

时，

samplinglatio

参数被完全忽略。否则，数据将转换为Java RDD，不匹配类型的对象将转换为空值

如果您传递的是

RDD

而不是list，Spark将应用模式推断并抛出异常，与Scala中的示例相同。这是因为Spark不支持混合类型，也不执行自动转换

---

为什么

inferSchema

参数存在？它看起来像是Python字典中构建的

RDD

上不推荐使用的推断的产物。但这只是一个猜测。

如果您删除

采样，会发生什么情况？

？谢谢。我编辑我的问题，我包括结果。