Python 使用Pyspark将JSON文件读取为Pyspark数据帧?
如何读取以下JSON结构以使用PySpark触发数据帧 我的JSON结构Python 使用Pyspark将JSON文件读取为Pyspark数据帧?,python,apache-spark,pyspark,apache-spark-sql,Python,Apache Spark,Pyspark,Apache Spark Sql,如何读取以下JSON结构以使用PySpark触发数据帧 我的JSON结构 {"results":[{"a":1,"b":2,"c":"name"},{"a":2,"b":5,"c":"foo"}]} 我试过: df = spark.read.json('simple.json'); 我希望输出a、b、c作为列,值作为各自的行 谢谢 Json字符串变量 如果您有json字符串作为变量,那么您可以这样做 simple_json = '{"results":[{"a":1,"b":2,"c":"n
{"results":[{"a":1,"b":2,"c":"name"},{"a":2,"b":5,"c":"foo"}]}
我试过:
df = spark.read.json('simple.json');
我希望输出a、b、c作为列,值作为各自的行
谢谢 Json字符串变量 如果您有json字符串作为变量,那么您可以这样做
simple_json = '{"results":[{"a":1,"b":2,"c":"name"},{"a":2,"b":5,"c":"foo"}]}'
rddjson = sc.parallelize([simple_json])
df = sqlContext.read.json(rddjson)
from pyspark.sql import functions as F
df.select(F.explode(df.results).alias('results')).select('results.*').show(truncate=False)
这会给你
+---+---+----+
|a |b |c |
+---+---+----+
|1 |2 |name|
|2 |5 |foo |
+---+---+----+
Json字符串作为文件中的独立行(sparkContext和sqlContext)
如果文件中有json字符串作为单独的行,那么可以使用sparkContext将其读入rdd[string],如上所述,其余过程与上述相同
rddjson = sc.textFile('/home/anahcolus/IdeaProjects/pythonSpark/test.csv')
df = sqlContext.read.json(rddjson)
df.select(F.explode(df['results']).alias('results')).select('results.*').show(truncate=False)
Json字符串作为文件中的单独行(仅限sqlContext)
如果文件中有json字符串作为单独的行,那么只能使用sqlContext
。但是这个过程很复杂,因为您必须为它创建模式
这会给你和上面一样的结果
我希望答案是有帮助的
!pip install findspark
!pip install pyspark
import findspark
import pyspark
findspark.init()
sc = pyspark.SparkContext.getOrCreate()
from pyspark.sql import SparkSession
spark = SparkSession.builder.appName('abc').getOrCreate()
让我们生成自己的JSON数据
这样我们就不必访问文件系统了
stringJSONRDD = sc.parallelize(("""
{ "id": "123",
"name": "Katie",
"age": 19,
"eyeColor": "brown"
}""",
"""{
"id": "234",
"name": "Michael",
"age": 22,
"eyeColor": "green"
}""",
"""{
"id": "345",
"name": "Simone",
"age": 23,
"eyeColor": "blue"
}""")
)
然后创建数据帧
swimmersJSON = spark.read.json(stringJSONRDD)
创建临时表
swimmersJSON.createOrReplaceTempView("swimmersJSON")
希望这对你有帮助。关于完整的代码,您可以参考这篇。在5小时后登陆这里,我只能用pandas找到解决方案,而不是pyspark。谢谢然而,用模式阅读它是相当棘手的
swimmersJSON.createOrReplaceTempView("swimmersJSON")
from pyspark.sql import SparkSession
from pyspark.sql.functions import col
from pyspark.sql.functions import explode
spark = SparkSession.builder.getOrCreate()
sc = spark.sparkContext
json_data = '{"results":[{"a":1,"b":2,"c":"name"},{"a":2,"b":5,"c":"foo"}]}'
json_rdd = sc.parallelize([json_data])
df = spark.read.json(json_rdd)
df =df.withColumn("results", explode(df.results)).select(
col("results.a").alias("a"),
col("results.b").alias("b"),
col("results.c").alias("c") )
df.show()