更具动态性的表单的代码段，因为您可能不知道Parquet文件的名称，将是：

for filename in glob.glob("[location_of_parquet_file]/*.snappy.parquet"):
        print filename
        df = sqlContext.read.parquet(filename)
        df.write.csv("[destination]")
        print "csv generated"

尝试

df = spark.read.parquet("/path/to/infile.parquet")
df.write.csv("/path/to/outfile.csv")

相关api文件：
pyspark.sql.dataframereader.parquet
pyspark.sql.dataframewriter.csv
两者 /path/to/infile.parquet 以及 /path/to/outfile.csv 应该是hdfs文件系统上的位置。您可以指定 hdfs://... 或者您可以忽略它，因为它通常是默认方案。
你应该避免使用 file://... ，因为本地文件对群集中的每台计算机都意味着不同的文件。输出到hdfs，然后使用命令行将结果传输到本地磁盘：

hdfs dfs -get /path/to/outfile.csv /path/to/localfile.csv

或直接从hdfs显示：

hdfs dfs -cat /path/to/outfile.csv

如果在配置单元中的那些Parquet文件上定义了一个表（或者如果您自己定义了这样的表），则可以对其运行配置单元查询并将结果保存到csv文件中。试着做一些类似的事情：

insert overwrite local directory dirname
  row format delimited fields terminated by ','
  select * from tablename;

替代品 dirname 以及 tablename 实际值。请注意，指定目录中的任何现有内容都将被删除。有关详细信息，请参阅从查询将数据写入文件系统。