python - 在 pyspark 中读取 csv 时，SQLContext 对象没有读取属性

Question

我正在将一个 csv 文件加载到 pyspark 中，如下所示(在 pyspark shell 中):

>>> from pyspark.sql import SQLContext
>>> sqlContext = SQLContext(sc)
>>> df = sqlContext.read.format('com.databricks.spark.csv').options(header='true').load('data.csv')

但是我收到这个错误:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'SQLContext' object has no attribute 'read'
>>> 

我正在使用 spark 1.3.1，我正在尝试使用 spark-csv

Answer 1

您正在尝试使用 Spark 1.4+ 语法。

对于 Spark 1.3

from pyspark.sql import SQLContext
sqlContext = SQLContext(sc)

df = sqlContext.load(source="com.databricks.spark.csv", header="true", path = "cars.csv")
df.select("year", "model").save("newcars.csv", "com.databricks.spark.csv")