Vytváření RDD
V PySparku můžeš RDD (Resilient Distributed Dataset) vytvořit několika různými způsoby. Protože už DataFrames znáš, vytvoříš ho právě z DataFrame. Nezapomeň, že ve svém pracovním prostředí máš k dispozici SparkSession s názvem spark!
Toto cvičení je součástí kurzu
Introduction to PySpark
Pokyny k cvičení
- Vytvoř DataFrame z poskytnutého seznamu a ulož ho jako
df. - Převeď DataFrame na RDD.
- Získej obsah výsledného RDD pomocí collect a vypiš ho.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create a DataFrame
df = spark.____("salaries.csv", header=True, inferSchema=True)
# Convert DataFrame to RDD
rdd = df.____
# Show the RDD's contents
rdd.____
print(rdd)