Inspectarea datelor într-un DataFrame PySpark

Inspectarea datelor este esențială înainte de a efectua analize precum vizualizări, modelare, antrenare etc. În acest exercițiu simplu, vei inspecta datele din DataFrame-ul people_df pe care l-ai creat în exercițiul anterior, folosind operatori de bază ai DataFrame-ului.

Reține că ai deja o sesiune SparkSession spark și un DataFrame people_df disponibile în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Fundamentele Big Data cu PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

Afișează primele 10 observații din DataFrame-ul people_df.
Numără câte rânduri are DataFrame-ul people_df.
Câte coloane are DataFrame-ul people_df și care sunt numele lor?

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Print the first 10 observations 
people_df.____(10)

# Count the number of rows 
print("There are {} rows in the people_df DataFrame.".format(people_df.____()))

# Count the number of columns and print their names
print("There are {} columns in the people_df DataFrame and their names are {}".format(len(people_df.____), people_df.____))

Editează și rulează codul