将 spark rdd 转换为 pandas 数据框答案

【问题标题】：Convert spark rdd to pandas dataframe将 spark rdd 转换为 pandas 数据框
【发布时间】：2016-12-23 18:03:58
【问题描述】：

我有一个包含 15 个字段的 rdd。要进行一些计算，我必须将其转换为 pandas 数据帧。

我尝试了不起作用的 df.toPandas() 函数。我尝试提取每个 rdd 并将其用空格分隔并将其放入数据框中，这也不起作用。

[u'2015-07-22T09:00:28.019143Z ssh 123.242.248.130:54635 10.0.6.158:80 0.000022 0.026109 0.00002 200 200 0 699 "GET https://google.coml HTTP/1.1" "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.130 Safari/537.36" ECDE-PAM TLSv1.2',
 u'2015-07-22T09:00:27.894580Z ssh 203.91.211.44:51402 10.0.4.150:80 0.000024 0.15334 0.000026 200 200 0 1497 "GET https://yahoo.com HTTP/1.1" "Mozilla/5.0 (Windows NT 6.1; rv:39.0) Gecko/20100101 Firefox/39.0" ECDL-RAT TLSv1.2']

有什么功能可以用吗？

提前致谢！！

【问题讨论】：

标签： python pandas apache-spark dataframe pyspark

【解决方案1】：

如果你有如下形式的rdd：

>>> rdd.collect()
[[u'2015-07-22T09:00:28.019143Z', u'ssh', u'123.242.248.130:54635', u'10.0.6.158:80', u'0.000022', u'0.026109', u'0.00002', u'200', u'200', u'0', u'699', u'"GET https://google.coml HTTP/1.1"', u'"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML like Gecko) Chrome/43.0.2357.130 Safari/537.36"', u'ECDE-PAM', u'TLSv1.2'], 
 [u'2015-07-22T09:00:27.894580Z', u'ssh', u'203.91.211.44:51402', u'10.0.4.150:80', u'0.000024', u'0.15334', u'0.000026', u'200', u'200', u'0', u'1497', u'"GET https://yahoo.com HTTP/1.1"', u'"Mozilla/5.0 (Windows NT 6.1; rv:39.0) Gecko/20100101 Firefox/39.0"', u'ECDL-RAT', u'TLSv1.2']]

然后rdd.toDF(['column1_name', 'column2_name', ...., 'column15_name']).toPandas() 将完成这项工作（但需要安装pandas python 包）。

【讨论】：