这就是Spark暗示对象的意义所在。它允许您将常见的Scala集合类型转换为DataFrame/DataSet/RDD。下面是Spark 2.0的一个例子，但它在旧版本中也存在

import org.apache.spark.sql.SparkSession
val values = List(1,2,3,4,5)

val spark = SparkSession.builder().master("local").getOrCreate()
import spark.implicits._
val df = values.toDF()

编辑：我刚刚意识到你是在追求2D榜单。这是我在Spark壳上试过的东西。我将2D列表转换为元组列表，并使用隐式转换为DataFrame：

val values = List(List("1", "One") ,List("2", "Two") ,List("3", "Three"),List("4","4")).map(x =>(x(0), x(1)))
import spark.implicits._
val df = values.toDF

编辑2：MTT最初的问题是如何从Scala列表为2D列表创建Spark DataFrame，这是一个正确的答案。最初的问题是https://stackoverflow.com/revisions/38063195/1，后来问题被更改为与公认的答案相匹配。添加此编辑，以便其他人在寻找与原始问题相似的内容时可以找到它。

正如zero323提到的，我们需要首先将List[Iterable[Any]]转换为List[Row]，然后将行放入RDD中，并为Spark数据框准备模式。
要将List[Iterable[Any]]转换为List[Row]，我们可以说

val rows = values.map{x => Row(x:_*)}

然后有了像schema这样的模式，我们就可以进行RDD

val rdd = sparkContext.makeRDD[RDD](rows)

并最终创建Spark数据框

val df = sqlContext.createDataFrame(rdd, schema)

最简单的方法：

val newList = yourList.map(Tuple1(_))
val df = spark.createDataFrame(newList).toDF("stuff")

在Spark 2中，我们只需通过Tods API将List转换为DS即可使用DataSet

val ds = list.flatMap(_.split(",")).toDS() // Records split by comma

或

val ds = list.toDS()

这比rdd或df更方便

我找到的最简洁的方式是：

val df = spark.createDataFrame(List("A", "B", "C").map(Tuple1(_)))