我想从字典中创建一个新的数据框。字典包含列名作为键,列列数据作为值。例如:
col_dict = {'col1': [1, 2, 3],
'col2': [4, 5, 6]}
我需要这个像这样的数据框:
+------+------+
| col1 | col2 |
+------+------+
| 1| 4|
| 2| 5|
| 3| 6|
+------+------+
似乎没有一种简单的方法可以做到这一点。
答案 0 :(得分:3)
最简单的方法是创建一个pandas DataFrame并转换为Spark DataFrame:
col_dict = {'col1': [1, 2, 3],
'col2': [4, 5, 6]}
import pandas as pd
pandas_df = pd.DataFrame(col_dict)
df = sqlCtx.createDataFrame(pandas_df)
df.show()
#+----+----+
#|col1|col2|
#+----+----+
#| 1| 4|
#| 2| 5|
#| 3| 6|
#+----+----+
如果pandas不可用,您只需将数据操作为适用于createDataFrame()
功能的表单即可。引用自己previous answer:
我觉得将createDataFrame()的参数看作是一个有用的东西 元组列表,其中列表中的每个条目对应于一行 DataFrame和元组的每个元素对应一列。
colnames, data = zip(*col_dict.items())
print(colnames)
#('col2', 'col1')
print(data)
#([4, 5, 6], [1, 2, 3])
现在我们需要修改数据,使其成为元组列表,其中每个元素都包含相应列的数据。幸运的是,使用zip
:
data = zip(*data)
print(data)
#[(4, 1), (5, 2), (6, 3)]
现在致电createDataFrame()
:
df = sqlCtx.createDataFrame(data, colnames)
df.show()
#+----+----+
#|col2|col1|
#+----+----+
#| 4| 1|
#| 5| 2|
#| 6| 3|
#+----+----+