rdd的内容
1|b|12-10-2015|David|20
2|c|12-10-2015|Moses|40
3|b|18-12-2016|Tom|30
4|c|18-12-2016|Bill|60
我想按类别和日期对数据进行分区,并按如下方式保存文件:
12102015_b
1|b|12-10-2015|David|20
12102015_c
2|c|12-10-2015|Moses|40
18122016_b
3|b|18-12-2016|Tom|30
18122016_c
4|c|18-12-2016|Bill|60
假设您在pyspark数据帧中拥有上述所有数据df。
然后,您可以使用以下语句根据日期和类别对数据进行分区(但是,您可以根据业务逻辑确定顺序。)然后以各种不同的格式保存dataFrame。但是,我在下面的例子中使用csv。
df.write.partitionBy("date", "category").csv("location_of_path")
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。