将pandas数据帧转换为PySpark数据帧[重复]

Question

这个问题在这里已有答案：

• Convert between spark.SQL DataFrame and pandas DataFrame [duplicate] 1回答

我有一个脚本与以下设置。

我在用：

1）Spark数据帧以提取数据2）在初始聚合后转换为pandas数据帧3）想要转换回Spark以写入HDFS

Spark - > Pandas的转换很简单，但我正在努力解决如何将Pandas数据帧转换回spark的问题。

你能建议吗？

from pyspark.sql import SparkSession
import pyspark.sql.functions as sqlfunc
from pyspark.sql.types import *
import argparse, sys
from pyspark.sql import *
import pyspark.sql.functions as sqlfunc
import pandas as pd

def create_session(appname):
    spark_session = SparkSession\
        .builder\
        .appName(appname)\
        .master('yarn')\
        .config("hive.metastore.uris", "thrift://uds-far-mn1.dab.02.net:9083")\
        .enableHiveSupport()\
        .getOrCreate()
    return spark_session
### START MAIN ###
if __name__ == '__main__':
    spark_session = create_session('testing_files')

我试过以下 - 没有错误，只是没有数据！要确认，df6确实有数据并且是pandas数据帧

df6 = df5.sort_values(['sdsf'], ascending=["true"])
sdf = spark_session.createDataFrame(df6)
sdf.show()

Answer 1

开始了：

# Spark to Pandas
df_pd = df.toPandas()

# Pandas to Spark
df_sp = spark_session.createDataFrame(df_pd)