我已经从csv文件创建了一个rdd,第一行是csv文件的头行。现在我想从该rdd创建dataframe,并从rdd的第一个元素保留列。
问题是我能够从rdd.first()创建dataframe和with列,但是创建的dataframe的第一行作为头本身。如何移除?
lines = sc.textFile('/path/data.csv')
rdd = lines.map(lambda x: x.split('#####')) ###multiple char sep can be there #### or #@# , so can't directly read csv to a dataframe
# rdd: [[u'mailid', u'age', u'address'], [u'satya', u'23', u'Mumbai'], [u'abc', u'27', u'Goa']] ###first element is the header
df = rdd.toDF(rdd.first()) ###retaing te column from rdd.first()
df.show()
# mailid age address
mailid age address ####I don't want this as dataframe data
satya 23 Mumbai
abc 27 Goa
如何避免第一个元素移动到Dataframe数据。我可以在rdd.todf(rdd.first())中给出任何选项来完成这个任务吗??
注意:我不能将rdd收集到表单列表中,然后从该列表中删除第一项,然后再次将该列表并行化回表单rdd,然后再删除todf()。。。
请建议!!!谢谢
1条答案
按热度按时间wfveoks01#
你将不得不删除你的头
RDD
. 一种方法是考虑到你的rdd
变量: