Apache Spark DataFrames入门指南：操作DataFrame
本帖最后由 fc013 于 2016-1-17 18:04 编辑问题导读：
1.怎样对DataFrame里面的数据进行采样？2.怎样查询DataFrame里面的数据？3.怎样将DataFrame保存成文件？
http://www.aboutyun.com/static/image/hrline/4.gif
操作DataFrame 在前面的文章中，我们介绍了如何创建DataFrame。本文将介绍如何操作DataFrame里面的数据和打印出DataFrame里面数据的模式
打印DataFrame里面的模式
在创建完DataFrame之后，我们一般都会查看里面数据的模式，我们可以通过printSchema函数来查看。它会打印出列的名称和类型：
students.printSchema
root
|-- id: string (nullable = true)
|-- studentName: string (nullable = true)
|-- phone: string (nullable = true)
|-- email: string (nullable = true)
如果采用的是load方式参见DataFrame的，students.printSchema的输出则如下：
root
|-- id|studentName|phone|email: string (nullable = true)
对DataFrame里面的数据进行采样
打印完模式之后，我们要做的第二件事就是看看加载进DataFrame里面的数据是否正确。从新创建的DataFrame里面采样数据的方法有很多种。我们来对其进行介绍。
最简单的就是使用show方法，show方法有四个版本：
（1）、第一个需要我们指定采样的行数def show(numRows: Int)；
（2）、第二种不需要我们指定任何参数，这种情况下，show函数默认会加载出20行的数据def show()；
（3）、第三种需要指定一个boolean值，这个值说明是否需要对超过20个字符的列进行截取def show(truncate: Boolean)；
（4）、最后一种需要指定采样的行和是否需要对列进行截断def show(numRows: Int, truncate: Boolean)。实际上，前三个函数都是调用这个函数实现的。
Show函数和其他函数不同的地方在于其不仅会显示需要打印的行，而且还会打印出头信息，并且会直接在默认的输出流打出(console)。来看看怎么使用吧：
students.show()//打印出20行
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
|1| Burke|1-300-746-8446|ullamcorper.velit...|
|2| Kamal|1-668-571-5046|pede.Suspendisse@...|
|3| Olga|1-956-311-1686|Aenean.eget.metus...|
|4| Belle|1-246-894-6340|vitae.aliquet.nec...|
|5| Trevor|1-300-527-4967|dapibus.id@acturp...|
|6| Laurel|1-691-379-9921|adipiscing@consec...|
|7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
|8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
|9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
| 10| Maya|1-271-683-2698|accumsan.convalli...|
| 11| Emi|1-467-270-1337| est@nunc.com|
| 12| Caleb|1-683-212-0896|Suspendisse@Quisq...|
| 13| Florence|1-603-575-2444|sit.amet.dapibus@...|
| 14| Anika|1-856-828-7883|euismod@ligulaeli...|
| 15| Tarik|1-398-171-2268|turpis@felisorci.com|
| 16| Amena|1-878-250-3129|lorem.luctus.ut@s...|
| 17| Blossom|1-154-406-9596|Nunc.commodo.auct...|
| 18| Guy|1-869-521-3230|senectus.et.netus...|
| 19| Malachi|1-608-637-2772|Proin.mi.Aliquam@...|
| 20| Edward|1-711-710-6552|lectus@aliquetlib...|
+---+-----------+--------------+--------------------+
only showing top 20 rows
students.show(15)
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
|1| Burke|1-300-746-8446|ullamcorper.velit...|
|2| Kamal|1-668-571-5046|pede.Suspendisse@...|
|3| Olga|1-956-311-1686|Aenean.eget.metus...|
|4| Belle|1-246-894-6340|vitae.aliquet.nec...|
|5| Trevor|1-300-527-4967|dapibus.id@acturp...|
|6| Laurel|1-691-379-9921|adipiscing@consec...|
|7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
|8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
|9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
| 10| Maya|1-271-683-2698|accumsan.convalli...|
| 11| Emi|1-467-270-1337| est@nunc.com|
| 12| Caleb|1-683-212-0896|Suspendisse@Quisq...|
| 13| Florence|1-603-575-2444|sit.amet.dapibus@...|
| 14| Anika|1-856-828-7883|euismod@ligulaeli...|
| 15| Tarik|1-398-171-2268|turpis@felisorci.com|
+---+-----------+--------------+--------------------+
only showing top 15 rows
students.show(true)
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
|1| Burke|1-300-746-8446|ullamcorper.velit...|
|2| Kamal|1-668-571-5046|pede.Suspendisse@...|
|3| Olga|1-956-311-1686|Aenean.eget.metus...|
|4| Belle|1-246-894-6340|vitae.aliquet.nec...|
|5| Trevor|1-300-527-4967|dapibus.id@acturp...|
|6| Laurel|1-691-379-9921|adipiscing@consec...|
|7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
|8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
|9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
| 10| Maya|1-271-683-2698|accumsan.convalli...|
| 11| Emi|1-467-270-1337| est@nunc.com|
| 12| Caleb|1-683-212-0896|Suspendisse@Quisq...|
| 13| Florence|1-603-575-2444|sit.amet.dapibus@...|
| 14| Anika|1-856-828-7883|euismod@ligulaeli...|
| 15| Tarik|1-398-171-2268|turpis@felisorci.com|
| 16| Amena|1-878-250-3129|lorem.luctus.ut@s...|
| 17| Blossom|1-154-406-9596|Nunc.commodo.auct...|
| 18| Guy|1-869-521-3230|senectus.et.netus...|
| 19| Malachi|1-608-637-2772|Proin.mi.Aliquam@...|
| 20| Edward|1-711-710-6552|lectus@aliquetlib...|
+---+-----------+--------------+--------------------+
only showing top 20 rows
students.show(false)
+---+-----------+--------------+-----------------------------------------+
|id |studentName|phone |email |
+---+-----------+--------------+-----------------------------------------+
|1|Burke |1-300-746-8446|ullamcorper.velit.in@ametnullaDonec.co.uk|
|2|Kamal |1-668-571-5046|pede.Suspendisse@interdumenim.edu |
|3|Olga |1-956-311-1686|Aenean.eget.metus@dictumcursusNunc.edu |
|4|Belle |1-246-894-6340|vitae.aliquet.nec@neque.co.uk |
|5|Trevor |1-300-527-4967|dapibus.id@acturpisegestas.net |
|6|Laurel |1-691-379-9921|adipiscing@consectetueripsum.edu |
|7|Sara |1-608-140-1995|Donec.nibh@enimEtiamimperdiet.edu |
|8|Kaseem |1-881-586-2689|cursus.et.magna@euismod.org |
|9|Lev |1-916-367-5608|Vivamus.nisi@ipsumdolor.com |
|10 |Maya |1-271-683-2698|accumsan.convallis@ornarelectusjusto.edu |
|11 |Emi |1-467-270-1337|est@nunc.com |
|12 |Caleb |1-683-212-0896|Suspendisse@Quisque.edu |
|13 |Florence |1-603-575-2444|sit.amet.dapibus@lacusAliquamrutrum.ca |
|14 |Anika |1-856-828-7883|euismod@ligulaelit.co.uk |
|15 |Tarik |1-398-171-2268|turpis@felisorci.com |
|16 |Amena |1-878-250-3129|lorem.luctus.ut@scelerisque.com |
|17 |Blossom |1-154-406-9596|Nunc.commodo.auctor@eratSed.co.uk |
|18 |Guy |1-869-521-3230|senectus.et.netus@lectusrutrum.com |
|19 |Malachi |1-608-637-2772|Proin.mi.Aliquam@estarcu.net |
|20 |Edward |1-711-710-6552|lectus@aliquetlibero.co.uk |
+---+-----------+--------------+-----------------------------------------+
only showing top 20 rows
students.show(10,false)
+---+-----------+--------------+-----------------------------------------+
|id |studentName|phone |email |
+---+-----------+--------------+-----------------------------------------+
|1|Burke |1-300-746-8446|ullamcorper.velit.in@ametnullaDonec.co.uk|
|2|Kamal |1-668-571-5046|pede.Suspendisse@interdumenim.edu |
|3|Olga |1-956-311-1686|Aenean.eget.metus@dictumcursusNunc.edu |
|4|Belle |1-246-894-6340|vitae.aliquet.nec@neque.co.uk |
|5|Trevor |1-300-527-4967|dapibus.id@acturpisegestas.net |
|6|Laurel |1-691-379-9921|adipiscing@consectetueripsum.edu |
|7|Sara |1-608-140-1995|Donec.nibh@enimEtiamimperdiet.edu |
|8|Kaseem |1-881-586-2689|cursus.et.magna@euismod.org |
|9|Lev |1-916-367-5608|Vivamus.nisi@ipsumdolor.com |
|10 |Maya |1-271-683-2698|accumsan.convallis@ornarelectusjusto.edu |
+---+-----------+--------------+-----------------------------------------+
only showing top 10 rows
我们还可以使用head(n: Int)方法来采样数据，这个函数也需要输入一个参数标明需要采样的行数，而且这个函数返回的是Row数组，我们需要遍历打印。当然，我们也可以使用head()函数直接打印，这个函数只是返回数据的一行，类型也是Row。
students.head(5).foreach(println)
ullamcorper.velit.in@ametnullaDonec.co.uk]
pede.Suspendisse@interdumenim.edu]
Aenean.eget.metus@dictumcursusNunc.edu]
vitae.aliquet.nec@neque.co.uk]
dapibus.id@acturpisegestas.net]
println(students.head())
ullamcorper.velit.in@ametnullaDonec.co.uk]
除了show、head函数。我们还可以使用first和take函数，他们分别调用head()和head(n)
println(students.first())
ullamcorper.velit.in@ametnullaDonec.co.uk]
students.take(5).foreach(println)
ullamcorper.velit.in@ametnullaDonec.co.uk]
pede.Suspendisse@interdumenim.edu]
Aenean.eget.metus@dictumcursusNunc.edu]
vitae.aliquet.nec@neque.co.uk]
dapibus.id@acturpisegestas.net]
查询DataFrame里面的列
正如你所看到的，所有的DataFrame里面的列都是有名称的。Select函数可以帮助我们从DataFrame中选择需要的列，并且返回一个全新的DataFrame，下面我将此进行介绍。
1、只选择一列。假如我们只想从DataFrame中选择email这列，因为DataFrame是不可变的(immutable)，所以这个操作会返回一个新的DataFrame：
val emailDataFrame: DataFrame = students.select("email")
现在我们有一个名叫emailDataFrame全新的DataFrame，而且其中只包含了email这列，让我们使用show来看看是否是这样的：
emailDataFrame.show(3)
+--------------------+
| email|
+--------------------+
|ullamcorper.velit...|
|pede.Suspendisse@...|
|Aenean.eget.metus...|
+--------------------+
only showing top 3 rows
2、选择多列。其实select函数支持选择多列。
val studentEmailDF = students.select("studentName", "email")
studentEmailDF.show(5)
+-----------+--------------------+
|studentName| email|
+-----------+--------------------+
| Burke|ullamcorper.velit...|
| Kamal|pede.Suspendisse@...|
| Olga|Aenean.eget.metus...|
| Belle|vitae.aliquet.nec...|
| Trevor|dapibus.id@acturp...|
+-----------+--------------------+
only showing top 5 rows
需要主要的是，我们select列的时候，需要保证select的列是有效的，换句话说，就是必须保证select的列是printSchema打印出来的。如果列的名称是无效的，将会出现org.apache.spark.sql.AnalysisException异常，如下：
val studentEmailDF = students.select("studentName", "iteblog")
studentEmailDF.show(5)
Exception in thread "main" org.apache.spark.sql.AnalysisException: cannot resolve 'iteblog' given input columns id, studentName, phone, email;
根据条件过滤数据
现在我们已经知道如何在DataFrame中选择需要的列，让我们来看看如何根据条件来过滤DataFrame里面的数据。对应基于Row的数据，我们可以将DataFrame看作是普通的Scala集合，然后我们根据需要的条件进行相关的过滤，为了展示清楚，我在语句没后面都用show函数展示过滤的结果。
students.filter("id > 5").show(7)
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
|6| Laurel|1-691-379-9921|adipiscing@consec...|
|7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
|8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
|9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
| 10| Maya|1-271-683-2698|accumsan.convalli...|
| 11| Emi|1-467-270-1337| est@nunc.com|
| 12| Caleb|1-683-212-0896|Suspendisse@Quisq...|
| 13| Florence|1-603-575-2444|sit.amet.dapibus@...|
| 14| Anika|1-856-828-7883|euismod@ligulaeli...|
| 15| Tarik|1-398-171-2268|turpis@felisorci.com|
+---+-----------+--------------+--------------------+
only showing top 10 rows
students.filter("studentName =''").show(7)
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
| 21| |1-598-439-7549|consectetuer.adip...|
| 32| |1-184-895-9602|accumsan.laoreet@...|
| 45| |1-245-752-0481|Suspendisse.eleif...|
| 83| |1-858-810-2204|sociis.natoque@eu...|
| 94| |1-443-410-7878|Praesent.eu.nulla...|
+---+-----------+--------------+--------------------+
注意看第一个过滤语句，虽然id被解析成String了，但是程序依然正确地做出了比较。我们也可以对多个条件进行过滤：
students.filter("studentName ='' OR studentName = 'NULL'").show(7)
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
| 21| |1-598-439-7549|consectetuer.adip...|
| 32| |1-184-895-9602|accumsan.laoreet@...|
| 33| NULL|1-105-503-0141|Donec@Inmipede.co.uk|
| 45| |1-245-752-0481|Suspendisse.eleif...|
| 83| |1-858-810-2204|sociis.natoque@eu...|
| 94| |1-443-410-7878|Praesent.eu.nulla...|
+---+-----------+--------------+--------------------+
我们还可以采用类SQL的语法对数据进行过滤：
students.filter("SUBSTR(studentName,0,1) ='M'").show(7)
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
| 10| Maya|1-271-683-2698|accumsan.convalli...|
| 19| Malachi|1-608-637-2772|Proin.mi.Aliquam@...|
| 24| Marsden|1-477-629-7528|Donec.dignissim.m...|
| 37| Maggy|1-910-887-6777|facilisi.Sed.nequ...|
| 61| Maxine|1-422-863-3041|aliquet.molestie....|
| 77| Maggy|1-613-147-4380| pellentesque@mi.net|
| 97| Maxwell|1-607-205-1273|metus.In@musAenea...|
+---+-----------+--------------+--------------------+
only showing top 7 rows
对DataFrame里面的数据进行排序
使用sort函数我们可以对DataFrame中指定的列进行排序：
students.sort(students("studentName").desc).show(7)
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
| 50| Yasir|1-282-511-4445|eget.odio.Aliquam...|
| 52| Xena|1-527-990-8606|in.faucibus.orci@...|
| 86| Xandra|1-677-708-5691|libero@arcuVestib...|
| 43| Wynter|1-440-544-1851|amet.risus.Donec@...|
| 31| Wallace|1-144-220-8159| lorem.lorem@non.net|
| 66| Vance|1-268-680-0857|pellentesque@netu...|
| 41| Tyrone|1-907-383-5293|non.bibendum.sed@...|
+---+-----------+--------------+--------------------+
only showing top 7 rows
也可以对多列进行排序：
students.sort("studentName", "id").show(10)
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
| 21| |1-598-439-7549|consectetuer.adip...|
| 32| |1-184-895-9602|accumsan.laoreet@...|
| 45| |1-245-752-0481|Suspendisse.eleif...|
| 83| |1-858-810-2204|sociis.natoque@eu...|
| 94| |1-443-410-7878|Praesent.eu.nulla...|
| 91| Abel|1-530-527-7467| urna@veliteu.edu|
| 69| Aiko|1-682-230-7013|turpis.vitae.puru...|
| 47| Alma|1-747-382-6775| nec.enim@non.org|
| 26| Amela|1-526-909-2605| in@vitaesodales.edu|
| 16| Amena|1-878-250-3129|lorem.luctus.ut@s...|
+---+-----------+--------------+--------------------+
only showing top 10 rows
从上面的结果我们可以看出，默认是按照升序进行排序的。我们也可以将上面的语句写成下面的：
students.sort(students("studentName").asc, students("id").asc).show(10)
这两个语句运行的效果是一致的。
对列进行重命名
如果我们对DataFrame中默认的列名不感兴趣，我们可以在select的时候利用as对其进行重命名，下面的列子将studentName重命名为name，而email这列名字不变：
students.select(students("studentName").as("name"), students("email")).show(10)
+--------+--------------------+
| name| email|
+--------+--------------------+
| Burke|ullamcorper.velit...|
| Kamal|pede.Suspendisse@...|
| Olga|Aenean.eget.metus...|
| Belle|vitae.aliquet.nec...|
|Trevor|dapibus.id@acturp...|
|Laurel|adipiscing@consec...|
| Sara|Donec.nibh@enimEt...|
|Kaseem|cursus.et.magna@e...|
| Lev|Vivamus.nisi@ipsu...|
| Maya|accumsan.convalli...|
+--------+--------------------+
only showing top 10 rows
将DataFrame看作是关系型数据表
DataFrame的一个强大之处就是我们可以将它看作是一个关系型数据表，然后在其上运行SQL查询语句，只要我们进行下面两步即可实现：
（1）、将DataFrame注册成一张名为students的表：
students.registerTempTable("students")
（2）、然后我们在其上用标准的SQL进行查询：
sqlContext.sql("select * from students where studentName!='' order by email desc").show(7)
+---+-----------+--------------+--------------------+
| id|studentName| phone| email|
+---+-----------+--------------+--------------------+
| 87| Selma|1-601-330-4409|vulputate.velit@p...|
| 96| Channing|1-984-118-7533|viverra.Donec.tem...|
|4| Belle|1-246-894-6340|vitae.aliquet.nec...|
| 78| Finn|1-213-781-6969|vestibulum.massa@...|
| 53| Kasper|1-155-575-9346|velit.eget@pedeCu...|
| 63| Dylan|1-417-943-8961|vehicula.aliquet@...|
| 35| Cadman|1-443-642-5919|ut.lacus@adipisci...|
+---+-----------+--------------+--------------------+
only showing top 7 rows
对两个DataFrame进行Join操作
前面我们已经知道如何将DataFrame注册成一张表，现在我们来看看如何使用普通的SQL对两个DataFrame进行Join操作。
1、内联：内联是默认的Join操作，它仅仅返回两个DataFrame都匹配到的结果，来看看下面的例子：
val students1 = sqlContext.csvFile(filePath = "E:\\StudentPrep1.csv", useHeader = true, delimiter = '|')
val students2 = sqlContext.csvFile(filePath = "E:\\StudentPrep2.csv", useHeader = true, delimiter = '|')
val studentsJoin = students1.join(students2, students1("id") === students2("id"))
studentsJoin.show(studentsJoin.count.toInt)
+---+-----------+--------------+--------------------+---+------------------+--------------+--------------------+
| id|studentName| phone| email| id| studentName| phone| email|
+---+-----------+--------------+--------------------+---+------------------+--------------+--------------------+
|1| Burke|1-300-746-8446|ullamcorper.velit...|1|BurkeDifferentName|1-300-746-8446|ullamcorper.velit...|
|2| Kamal|1-668-571-5046|pede.Suspendisse@...|2|KamalDifferentName|1-668-571-5046|pede.Suspendisse@...|
|3| Olga|1-956-311-1686|Aenean.eget.metus...|3| Olga|1-956-311-1686|Aenean.eget.metus...|
|4| Belle|1-246-894-6340|vitae.aliquet.nec...|4|BelleDifferentName|1-246-894-6340|vitae.aliquet.nec...|
|5| Trevor|1-300-527-4967|dapibus.id@acturp...|5| Trevor|1-300-527-4967|dapibusDifferentE...|
|6| Laurel|1-691-379-9921|adipiscing@consec...|6|LaurelInvalidPhone| 000000000|adipiscing@consec...|
|7| Sara|1-608-140-1995|Donec.nibh@enimEt...|7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
|8| Kaseem|1-881-586-2689|cursus.et.magna@e...|8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
|9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
| 10| Maya|1-271-683-2698|accumsan.convalli...| 10| Maya|1-271-683-2698|accumsan.convalli...|
+---+-----------+--------------+--------------------+---+------------------+--------------+--------------------+
2、右外联：在内连接的基础上，还包含右表中所有不符合条件的数据行，并在其中的左表列填写NULL ，来看看下面的实例：val studentsRightOuterJoin = students1.join(students2, students1("id") === students2("id"), "right_outer")
studentsRightOuterJoin.show(studentsRightOuterJoin.count.toInt)
+----+-----------+--------------+--------------------+---+--------------------+--------------+--------------------+
|id|studentName| phone| email| id| studentName| phone| email|
+----+-----------+--------------+--------------------+---+--------------------+--------------+--------------------+
| 1| Burke|1-300-746-8446|ullamcorper.velit...|1|BurkeDifferentName|1-300-746-8446|ullamcorper.velit...|
| 2| Kamal|1-668-571-5046|pede.Suspendisse@...|2|KamalDifferentName|1-668-571-5046|pede.Suspendisse@...|
| 3| Olga|1-956-311-1686|Aenean.eget.metus...|3| Olga|1-956-311-1686|Aenean.eget.metus...|
| 4| Belle|1-246-894-6340|vitae.aliquet.nec...|4|BelleDifferentName|1-246-894-6340|vitae.aliquet.nec...|
| 5| Trevor|1-300-527-4967|dapibus.id@acturp...|5| Trevor|1-300-527-4967|dapibusDifferentE...|
| 6| Laurel|1-691-379-9921|adipiscing@consec...|6|LaurelInvalidPhone| 000000000|adipiscing@consec...|
| 7| Sara|1-608-140-1995|Donec.nibh@enimEt...|7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
| 8| Kaseem|1-881-586-2689|cursus.et.magna@e...|8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
| 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
|10| Maya|1-271-683-2698|accumsan.convalli...| 10| Maya|1-271-683-2698|accumsan.convalli...|
|null| null| null| null|999|LevUniqueToSecondRDD|1-916-367-5608|Vivamus.nisi@ipsu...|
+----+-----------+--------------+--------------------+---+--------------------+--------------+--------------------+
3、左外联：在内连接的基础上，还包含左表中所有不符合条件的数据行，并在其中的右表列填写NULL ，同样我们来看看下面的实例：val studentsLeftOuterJoin = students1.join(students2, students1("id") === students2("id"), "left_outer")
studentsLeftOuterJoin.show(studentsLeftOuterJoin.count.toInt)
+---+-----------+--------------+--------------------+----+------------------+--------------+--------------------+
| id|studentName| phone| email|id| studentName| phone| email|
+---+-----------+--------------+--------------------+----+------------------+--------------+--------------------+
|1| Burke|1-300-746-8446|ullamcorper.velit...| 1|BurkeDifferentName|1-300-746-8446|ullamcorper.velit...|
|2| Kamal|1-668-571-5046|pede.Suspendisse@...| 2|KamalDifferentName|1-668-571-5046|pede.Suspendisse@...|
|3| Olga|1-956-311-1686|Aenean.eget.metus...| 3| Olga|1-956-311-1686|Aenean.eget.metus...|
|4| Belle|1-246-894-6340|vitae.aliquet.nec...| 4|BelleDifferentName|1-246-894-6340|vitae.aliquet.nec...|
|5| Trevor|1-300-527-4967|dapibus.id@acturp...| 5| Trevor|1-300-527-4967|dapibusDifferentE...|
|6| Laurel|1-691-379-9921|adipiscing@consec...| 6|LaurelInvalidPhone| 000000000|adipiscing@consec...|
|7| Sara|1-608-140-1995|Donec.nibh@enimEt...| 7| Sara|1-608-140-1995|Donec.nibh@enimEt...|
|8| Kaseem|1-881-586-2689|cursus.et.magna@e...| 8| Kaseem|1-881-586-2689|cursus.et.magna@e...|
|9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...| 9| Lev|1-916-367-5608|Vivamus.nisi@ipsu...|
| 10| Maya|1-271-683-2698|accumsan.convalli...|10| Maya|1-271-683-2698|accumsan.convalli...|
| 11| iteblog| 999999| iteblog@iteblog.com|null| null| null| null|
+---+-----------+--------------+--------------------+----+------------------+--------------+--------------------+
将DataFrame保存成文件
下面我来介绍如何将DataFrame保存到一个文件里面。前面我们加载csv文件用到了load函数，与之对于的用于保存文件可以使用save函数。具体操作包括以下两步：
1、首先创建一个map对象，用于存储一些save函数需要用到的一些属性。这里我将制定保存文件的存放路径和csv的头信息。
val saveOptions = Map("header" -> "true", "path" -> "iteblog.csv")
为了基于学习的态度，我们从DataFrame里面选择出studentName和email两列，并且将studentName的列名重定义为name。
val copyOfStudents = students.select(students("studentName").as("name"), students("email"))
2、下面我们调用save函数保存上面的DataFrame数据到iteblog.csv文件夹中
copyOfStudents.write.format("com.databricks.spark.csv").mode(SaveMode.Overwrite).options(saveOptions).save()
mode函数可以接收的参数有Overwrite、Append、Ignore和ErrorIfExists。从名字就可以很好的理解，Overwrite代表覆盖目录下之前存在的数据；Append代表给指定目录下追加数据；Ignore代表如果目录下已经有文件，那就什么都不执行；ErrorIfExists代表如果保存目录下存在文件，那么抛出相应的异常。
需要注意的是，上述path参数指定的是保存文件夹，并不是最后的保存文件名。
页:
[1]