选择列

在 Spark 中操作数据框，最简单的方法是使用 dplyr 语法。使用 dplyr 语法操作数据框在 Data Manipulation with dplyr 和 Joining Data with dplyr 课程中有详细介绍，而接下来的一个半章节也会覆盖所有重要要点。

dplyr 针对数据框有五类主要操作：选择列、过滤行、调整行顺序、修改或新增列，以及计算汇总统计量。

先从选择列开始。方法是调用 select()，传入一个 tibble，然后写出要保留的未加引号的列名。dplyr 函数通常与 magrittr 的管道运算符 %>% 搭配使用。若要选择 x、y 和 z 列，可以这样写：

a_tibble %>%
  select(x, y, z)

注意，sparklyr 目前不支持方括号索引。因此不能这样写：

a_tibble[, c("x", "y", "z")]

已经为您创建了名为 spark_conn 的 Spark 连接。存储在 Spark 中的曲目元数据已作为 tibble 预定义为 track_metadata_tbl。

แบบฝึกหัด