在使用spark-csv时,我还必须下载
commons-csvjar(不确定它是否仍然有用)。这两个罐子都在spark分布文件夹中。
我下载了以下罐子:
wget http://search.maven.org/remotecontent?filepath=org/apache/commons/commons-csv/1.1/commons-csv-1.1.jar -O commons-csv-1.1.jar<br/>
wget http://search.maven.org/remotecontent?filepath=com/databricks/spark-csv_2.10/1.0.0/spark-csv_2.10-1.0.0.jar -O spark-csv_2.10-1.0.0.jar
然后使用以下参数启动python spark shell:
./bin/pyspark --jars "spark-csv_2.10-1.0.0.jar,commons-csv-1.1.jar"
并从csv文件读取spark数据帧:
from pyspark.sql import SQLContext
sqlContext = SQLContext(sc)
df = sqlContext.load(source=”com.databricks.spark.csv”, path = “/path/to/you/file.csv”)
df.show()
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)