- collect：所有数据收集到数组
- head==take：查看前N行数据
- sample：随机采样，fraction按比例采样
- selectExpr：选择列名字段，更改列名调整小数位
- unionByName: 两两之间相同列名进行合并
- describe：查看数据个数、均值、标准差、最小、最大值
- summary：查看数据个数、均值、标准差、最小、25%、50%、75%、最大值
在工作中用spark对数据查询，所使用的常用语法进行整理归纳如下：
show：数据显示
data = spark.sql("""select \* from temp.tables""")
data.show(3)
# 转成pandas方式
# df = data.toPandas()
# df.head(3)
distinct：数据行数去重
data = spark.sql("""select \* from temp.tables""").distinct()
data.show(3)
#or
data = spark.sql("""select \* from temp.tables""")
data = data.distinct()
data.show(3)
count：看行数
data = spark.sql("""select \* from temp.tables""")
data.count()
select：查看具体列数据
data = data.select('dt', 'order\_money')
data.show(3)
toDF：对字段命名(搭配常用与groupby–agg–toDF)
data = spark.sql("""select \* from temp.tables""")
df = data.group('dt').agg(fn.countDistinct('user\_id'), fn.sum('order\_money')).toDF('dt', 'user\_uv\_count', 'order\_money\_sum')
df.show(3)
withColumn：新增列名
df = df.withColumn('avg\_money', (df.order_money_sum / df.user_uv_count).cast('decimal(14,4)'))
df.show(3)
printSchema: 打印列名信息
df.printSchema()
dropDuplicates：数据列数去重
data = spark.sql("""select \* from temp.tables""")
data.dropDuplicates(['city']).show()
limit：数据看前N条
data = spark.sql("""select \* from temp.tables""").limit(10)
data.show(3)
collect：所有数据收集到数组
data = spark.sql("""select \* from temp.tables""")
data.collect().show(3)
head==take：查看前N行数据
data = spark.sql("""select \* from temp.tables""").head(5)
data.show(3)
data = spark.sql("""select \* from temp.tables""").take(5)
data.show(3)
sample：随机采样，fraction按比例采样
data = spark.sql("""select \* from temp.tables""")
data = data.sample(fraction=0.5)
data.show(3)
selectExpr：选择列名字段，更改列名调整小数位
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）
真正体系化！**
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）
[外链图片转存中…(img-Je0AIreB-1712906531101)]