Spark笔记（pyspark）2
6.SparkSQL 数据清洗API1.去重方法 dropDuplicates功能：对DF的数据进行去重，如果重复数据有多条，取第一条2.删除有缺失值的行方法 dropna功能：如果数据中包含null，通过dropna来进行判断，符合条件就删除这一行数据3.填充缺失值数据 fillna功能：根据参数的规则，来进行null的替换7.DataFrame数据写出spark.read.format()和....
Spark笔记（pyspark）1
Spark是什么：Spark是基于内存的迭代式计算引擎1、基本概念RDD：是Resillient Distributed Dataset（弹性分布式数据集）的简称，是分布式内存的一个抽象概念，提供了一种高度受限的共享内存模型DAG：是Directed Acyclic Graph（有向无环图）的简称，反映RDD之间的依赖关系Executor：是运行在工作节点（WorkerNode）的一个进程，负责....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
apache spark您可能感兴趣
- apache spark报错
- apache spark任务
- apache spark yarn
- apache spark开源
- apache spark学习
- apache spark架构
- apache spark节点
- apache spark日志
- apache spark程序
- apache spark Python
- apache spark SQL
- apache spark streaming
- apache spark数据
- apache spark Apache
- apache spark Hadoop
- apache spark大数据
- apache spark rdd
- apache spark MaxCompute
- apache spark集群
- apache spark运行
- apache spark summit
- apache spark模式
- apache spark分析
- apache spark flink
- apache spark Scala
- apache spark机器学习
- apache spark应用
- apache spark实战
- apache spark技术
- apache spark操作
Apache Spark 中国技术社区
阿里巴巴开源大数据技术团队成立 Apache Spark 中国技术社区，定期推送精彩案例，问答区数个 Spark 技术同学每日在线答疑，只为营造 Spark 技术交流氛围，欢迎加入！
+关注