使用 DataFrame

Spark 的核心資料結構是 Resilient Distributed Dataset（RDD）。這是一種低階物件，讓 Spark 能把資料分散到叢集中的多個節點來發揮威力。不過，直接操作 RDD 並不容易，因此在本課程中，你會使用建構在 RDD 之上的 Spark DataFrame 抽象層。

Spark DataFrame 的設計與 SQL 資料表非常相似（欄中是變數、列中是觀測值）。DataFrame 不僅更容易理解，對於複雜運算也比 RDD 更具最佳化。

當你開始修改與組合資料的欄與列時，達到同一結果的方法可能有很多，但有些往往會花更長時間。使用 RDD 時，必須由資料科學家自己找出正確的方式來最佳化查詢；然而 DataFrame 的實作已內建了許多這類最佳化！

若要開始使用 Spark DataFrame，你需要先從 SparkContext 建立一個 SparkSession 物件。你可以把 SparkContext 想成與叢集的連線，而 SparkSession 則是與該連線互動的介面。

請記住，在本課程的其餘部分，你的工作環境中都會有名為 spark 的 SparkSession 可供使用！

以下哪一項是 Spark DataFrame 相較於 RDD 的優勢？