- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我在 hive 中有一个表,我想在循环中的条件下查询它并将结果动态存储在多个 pyspark 数据帧中。
基本查询
g1 = """
select * from db.hive_table where group = 1
"""
group_1 = spk.sql(g1)
group_1.show(3)
group_1.printSchema()
print((group_1.count(), len(group_1.columns)))
group_1 = group_1.toPandas()
总共有 80 个组,目前分别为 Group = 2、Group = 3 等运行上述代码。
我无用的迭代代码
# changes the geometry type to obj
df_list=[group_1,group_2,group_3,group_4,group_5,group_6,group_7,group_8,group_9,group_10,
group_11,group_12,group_13,group_14,group_15,group_16,group_17,group_18,group_19,group_20,
group_21,group_22,group_23,group_24,group_25,group_26,group_27,group_28,group_29,group_30,
group_31,group_32,group_33,group_34,group_35,group_36,group_37,group_38,group_39,group_40,
group_41,group_42,group_43,group_44,group_45,group_46,group_47,group_48,group_49,group_50,
group_51,group_52,group_53,group_54,group_55,group_56,group_57,group_58,group_59,group_60,
group_61,group_62,group_63,group_64,group_65,group_66,group_67,group_68,group_69,group_70,
group_71,group_72,group_73,group_74,group_75,group_76,group_77,group_78,group_79,group_80,
# num_list=[1,2,3,4,5,5,6,6]
for d in df_list:
for i in range(1,80):
gi = """
select * from db.hive_table where group = $i
"""
group_i = spk.sql(gi)
print(group_i.show(3))
print(group_i.printSchema())
print((group_i.count(), len(group_i.columns)))
return group_i = group_i.toPandas()
请求帮助指导我解决这个问题并帮助我增加编码知识。
提前致谢。
最佳答案
python/pyspark 不允许您动态创建变量名。但是,您可以创建一个数据帧列表,可以像 sdf_list[0].show()
、sdf_list[1].toPandas()
一样使用。
sdf_list = []
for i in range(1, 81):
filtered_sdf = spark.sql('select * from hive_db.hive_tbl where group = {0}'.format(i))
sdf_list.append((i, filtered_sdf)) # (<filter/group identifier>, <spark dataframe>)
del filtered_sdf
现在,sdf_list
有一个可以使用列表索引访问的 spark 数据帧列表。例如,可以使用 [0]
访问第一个数据帧,打印将验证它是一个数据帧。
print(sdf_list[0])
# (1, DataFrame[col1: bigint, dt: date, col3: bigint])
# (<filter/group identifier>, <spark dataframe>)
列表可以迭代,其中的所有数据框都可以单独使用。例如,
for (i, sdf) in sdf_list[:2]:
print("dataframe {0}'s count:".format(i), sdf.count())
# dataframe 1's count: 20
# dataframe 2's count: 30
请随意使用它。
sdf_list[0][1].count() # [0] returns the tuple - (<sdf identifier>, <sdf>)
# 20
sdf_list[0][1].show(2)
# etc...
假设您还希望所有 spark 数据帧都作为 pandas 数据帧。如果您希望它是动态的,您将再次需要创建一个数据框列表。或者只是使用索引访问 spark 数据帧。
# using indices
group1_pdf = sdf_list[0][1].toPandas()
# creating list of pandas dataframes
pdf_list = []
for (i, sdf) in sdf_list:
pdf_list.append((i, sdf.toPandas())) # (<filter/group identifier>, <pandas dataframe>)
type(pdf_list)
# list
type(pdf_list[0])
# tuple
type(pdf_list[0][1])
# pandas.core.frame.DataFrame
我们还可以使用字典来存储数据帧并使用键跟踪它。因此,键可以充当数据框名称。
sdf_dict = {}
for i in range(1, 81):
filtered_sdf = spark.sql('select * from hive_db.hive_tbl where group = {0}'.format(i))
sdf_dict['group'+str(i)] = filtered_sdf
del filtered_sdf
字典将包含可以使用键访问的数据框。让我们简单地打印前 2 个键并检查我们有哪些值。
list(sdf_dict.keys())[:2]
# ['group1', 'group2']
sdf_dict['group1']
# DataFrame[col1: bigint, dt: date, col3: bigint]
sdf_dict['group1'].count()
# 20
您可以选择迭代字典键并使用 spark 数据帧。
for sdf_key in list(sdf_dict.keys())[:2]:
print(sdf_key+"'s record count:", sdf_dict[sdf_key].count())
# group1's record count: 20
# group2's record count: 30
您可以检查 type()
以获得更好的理解。
type(sdf_dict)
# dict
type(sdf_dict['group1'])
# pyspark.sql.dataframe.DataFrame
转换为 pandas 数据框很简单
# single df manually
group1_pdf = sdf_dict['group1'].toPandas()
# with iteration
pdf_dict = {}
for sdf_key in sdf_dict.keys():
pdf_dict[sdf_key] = sdf_dict[sdf_key].toPandas()
type(pdf_dict)
# dict
type(pdf_dict['group1'])
# pandas.core.frame.DataFrame
关于python - 迭代多个查询并将其存储在 pyspark 数据框中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/72983940/
我有三张 table 。表 A 有选项名称(即颜色、尺寸)。表 B 有选项值名称(即蓝色、红色、黑色等)。表C通过将选项名称id和选项名称值id放在一起来建立关系。 我的查询需要显示值和选项的名称,而
在mysql中,如何计算一行中的非空单元格?我只想计算某些列之间的单元格,比如第 3-10 列之间的单元格。不是所有的列...同样,仅在该行中。 最佳答案 如果你想这样做,只能在 sql 中使用名称而
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 7 年前。 Improve this ques
我正在为版本7.6进行Elasticsearch查询 我的查询是这样的: { "query": { "bool": { "should": [ {
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 7 年前。 Improve this ques
是否可以编写一个查询来检查任一子查询(而不是一个子查询)是否正确? SELECT * FROM employees e WHERE NOT EXISTS (
我找到了很多关于我的问题的答案,但问题没有解决 我有表格,有数据,例如: Data 1 Data 2 Data 3
以下查询返回错误: 查询: SELECT Id, FirstName, LastName, OwnerId, PersonEmail FROM Account WHERE lower(PersonEm
以下查询返回错误: 查询: SELECT Id, FirstName, LastName, OwnerId, PersonEmail FROM Account WHERE lower(PersonEm
我从 EditText 中获取了 String 值。以及提交查询的按钮。 String sql=editQuery.getText().toString();// SELECT * FROM empl
我有一个或多或少有效的查询(关于结果),但处理大约需要 45 秒。这对于在 GUI 中呈现数据来说肯定太长了。 所以我的需求是找到一个更快/更高效的查询(几毫秒左右会很好)我的数据表大约有 3000
这是我第一次使用 Stack Overflow,所以我希望我以正确的方式提出这个问题。 我有 2 个 SQL 查询,我正在尝试比较和识别缺失值,尽管我无法将 NULL 字段添加到第二个查询中以识别缺失
什么是动态 SQL 查询?何时需要使用动态 SQL 查询?我使用的是 SQL Server 2005。 最佳答案 这里有几篇文章: Introduction to Dynamic SQL Dynami
include "mysql.php"; $query= "SELECT ID,name,displayname,established,summary,searchlink,im
我有一个查询要“转换”为 mysql。这是查询: select top 5 * from (select id, firstName, lastName, sum(fileSize) as To
通过我的研究,我发现至少从 EF 4.1 开始,EF 查询上的 .ToString() 方法将返回要运行的 SQL。事实上,这对我来说非常有用,使用 Entity Framework 5 和 6。 但
我在构造查询来执行以下操作时遇到问题: 按activity_type_id过滤联系人,仅显示最近事件具有所需activity_type_id或为NULL(无事件)的联系人 表格结构如下: 一个联系人可
如何让我输入数据库的信息在输入数据 5 分钟后自行更新? 假设我有一张 table : +--+--+-----+ |id|ip|count| +--+--+-----+ |
我正在尝试搜索正好是 4 位数字的 ID,我知道我需要使用 LENGTH() 字符串函数,但找不到如何使用它的示例。我正在尝试以下(和其他变体)但它们不起作用。 SELECT max(car_id)
我有一个在 mysql 上运行良好的 sql 查询(查询 + 连接): select sum(pa.price) from user u , purchase pu , pack pa where (
我是一名优秀的程序员,十分优秀!