ÎncepețiÎncepe gratuit

Crearea RDD-urilor

În PySpark, poți crea un RDD (Resilient Distributed Dataset) în câteva moduri diferite. Deoarece ești deja familiarizat cu DataFrame-urile, vei configura acest lucru pornind de la un DataFrame. Reține că în workspace-ul tău există deja o SparkSession numită spark!

Acest exercițiu face parte din cursul

Introducere în PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează un DataFrame din lista furnizată, numit df.
  • Convertește DataFrame-ul într-un RDD.
  • Colectează și afișează RDD-ul rezultat.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)
Editează și rulează codul