DataFrame 的函数

Action 操作

1. collect()
 返回值是一个数组，返回dataframe集合所有的行2. collectAsList()
 返回值是一个java类型的数组，返回dataframe集合所有的行3. count()
 返回一个number类型的，返回dataframe集合的行数4. describe(cols: String*)
 返回一个通过数学计算的类表值(count, mean, stddev, min, and max)，这个可以传多个参数，中间用逗号分隔，如果有字段为空，那么不参与运算，只这对数值类型的字段。例如df.describe(“age”, “height”).show()5. first()
 返回第一行 ，类型是row类型6. head()
 返回第一行 ，类型是row类型7. head(n:Int)
 返回n行 ，类型是row 类型8. show()
 返回dataframe集合的值 默认是20行，返回类型是unit9. show(n:Int)
 返回n行，，返回值类型是unit10. table(n:Int)
 返回n行 ，类型是row 类型

dataframe的基本操作

1. cache()
 同步数据的内存2. columns
 返回一个string类型的数组，返回值是所有列的名字3. dtypes
 返回一个string类型的二维数组，返回值是所有列的名字以及类型4. explan()
 打印执行计划 物理的5. explain(n:Boolean)
 输入值为 false 或者true ，返回值是unit 默认是false ，如果输入true 将会打印 逻辑的和物理的6. isLocal
 返回值是Boolean类型，如果允许模式是local返回true 否则返回false7. persist(newlevel:StorageLevel)
 返回一个dataframe.this.type 输入存储模型类型8. printSchema()
 打印出字段名称和类型 按照树状结构来打印9. registerTempTable(tablename:String)
 返回Unit ，将df的对象只放在一张表里面，这个表随着对象的删除而删除了10. schema
 返回structType 类型，将字段名称和类型按照结构体类型返回11. toDF()
 返回一个新的dataframe类型的12. toDF(colnames：String*)
 将参数中的几个字段返回一个新的dataframe类型的，13. unpersist()
 返回dataframe.this.type 类型，去除模式中的数据14. unpersist(blocking:Boolean)
 返回dataframe.this.type类型 true 和unpersist是一样的作用false 是去除RDD

集成查询

1. agg(expers:column*)
 返回dataframe类型 ，同数学计算求值
 df.agg(max(“age”), avg(“salary”))
 df.groupBy().agg(max(“age”), avg(“salary”))2. agg(exprs: Map[String, String])
 返回dataframe类型 ，同数学计算求值 map类型的
 df.agg(Map(“age” -> “max”, “salary” -> “avg”))
 df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”))3. agg(aggExpr: (String, String), aggExprs: (String, String)*)
 返回dataframe类型 ，同数学计算求值
 df.agg(Map(“age” -> “max”, “salary” -> “avg”))
 df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”))4. apply(colName: String)
 返回column类型，捕获输入进去列的对象5. as(alias: String)
 返回一个新的dataframe类型，就是原来的一个别名6. col(colName: String)
 返回column类型，捕获输入进去列的对象7. cube(col1: String, cols: String*)
 返回一个GroupedData类型，根据某些字段来汇总8. distinct
 去重 返回一个dataframe类型9. drop(col: Column)
 删除某列 返回dataframe类型10. dropDuplicates(colNames: Array[String])
 删除相同的列 返回一个dataframe11. except(other: DataFrame)
 返回一个dataframe，返回在当前集合存在的在其他集合不存在的12. explode[A, B](inputColumn: String, outputColumn: String)(f: (A) ⇒ TraversableOnce[B])(implicit arg0: scala.reflect.api.JavaUniverse.TypeTag[B])
 返回值是dataframe类型，这个 将一个字段进行更多行的拆分。
 举例：
 df.explode(“name”,“names”) {name :String=> name.split(" ")}.show();
 将name字段根据空格来拆分，拆分的字段放在names里面13. filter(conditionExpr: String):
 刷选部分数据，返回dataframe类型
 df.filter(“age>10”).show();
 df.filter(df(“age”)>10).show();
 df.where(df(“age”)>10).show(); 都可以14. groupBy(col1: String, cols: String*)
 根据某写字段来汇总返回groupedate类型 df.groupBy(“age”).agg(Map(“age” ->“count”)).show();df.groupBy(“age”).avg().show();都可以15. intersect(other: DataFrame)
 返回一个dataframe，在2个dataframe都存在的元素16. join(right: DataFrame, joinExprs: Column, joinType: String)
 一个是关联的dataframe，第二个关联的条件，第三个关联的类型：inner, outer, left_outer, right_outer, leftsemi
 df.join(ds,df(“name”)===ds(“name”) and df(“age”)===ds(“age”),“outer”).show();17. limit(n: Int)
 返回dataframe类型 去n 条数据出来18. na: DataFrameNaFunctions ，
 可以调用dataframenafunctions的功能区做过滤 df.na.drop().show(); 删除为空的行19. orderBy(sortExprs: Column*)
 做alise排序20. select(cols:string*) dataframe
 做字段的刷选 df.select($“colA”, $“colB” + 1)21. selectExpr(exprs: String*)
 做字段的刷选 df.selectExpr(“name”,“name as names”,“upper(name)”,“age+1”).show();22. sort(sortExprs: Column*)
 排序
 df.sort(df(“age”).desc).show(); 默认是asc23. unionAll(other:Dataframe)
 合并 df.unionAll(ds).show();24. withColumnRenamed(existingName: String, newName: String)
 修改列表
 df.withColumnRenamed(“name”,“names”).show();25. withColumn(colName: String, col: Column)
 增加一列
 df.withColumn(“aa”,df(“name”)).show();