亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

如何在 pyspark 數據框中使用 write.partitionBy 時刪除重復項?

如何在 pyspark 數據框中使用 write.partitionBy 時刪除重復項?

慕桂英3389331 2023-10-18 20:39:56
我有一個數據框,如下所示:|------------|-----------|---------------|---------------||    Name    |   Type    |  Attribute 1  |  Attribute 2  ||------------|-----------|---------------|---------------||   Roger    |     A     |     X         |       Y       ||------------|-----------|---------------|---------------||   Roger    |     A     |     X         |       Y       ||------------|-----------|---------------|---------------||   Roger    |     A     |     X         |       Y       ||------------|-----------|---------------|---------------||   Rafael   |     A     |     G         |       H       ||------------|-----------|---------------|---------------||   Rafael   |     A     |     G         |       H       ||------------|-----------|---------------|---------------||   Rafael   |     B     |     G         |       H       ||------------|-----------|---------------|---------------|我想根據名稱和類型對此數據框進行分區并將其保存到磁盤目前的代碼行看起來像這樣,df.write.partitionBy("Name", "Type").mode("append").csv("output/", header=True)輸出被正確保存,但有重復的行,如下所述在文件夾中/輸出/羅杰/A|---------------|---------------||  Attribute 1  |  Attribute 2  ||---------------|---------------||     X         |       Y       ||---------------|---------------||     X         |       Y       ||---------------|---------------||     X         |       Y       ||---------------|---------------|/輸出/拉斐爾/A|---------------|---------------||  Attribute 1  |  Attribute 2  ||---------------|---------------||     G         |       H       ||---------------|---------------||     G         |       H       ||---------------|---------------|/輸出/拉斐爾/B|---------------|---------------||  Attribute 1  |  Attribute 2  ||---------------|---------------||     G         |       H       ||---------------|---------------| 如您所見,此 csv 包含重復項。使用 write.partitionbY 時如何刪除這些重復項?
查看完整描述

1 回答

?
狐的傳說

TA貢獻1804條經驗 獲得超3個贊

.distinct()寫作前使用。

df.distinct().write.partitionBy("Name", "Type").mode("append").csv("output/", header=True)



查看完整回答
反對 回復 2023-10-18
  • 1 回答
  • 0 關注
  • 142 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號