Python pyspark DataFrame.to_delta用法及代码示例

本文简要介绍 pyspark.pandas.DataFrame.to_delta 的用法。

用法:
DataFrame.to_delta(path: str, mode: str = 'w', partition_cols: Union[str, List[str], None] = None, index_col: Union[str, List[str], None] = None, **options: OptionalPrimitiveType) → None

将 DataFrame 写为 Delta Lake 表。

参数：

path：str，必填

写入路径。

mode：str

Python写模式，默认‘w’。

注意

mode 可以接受用于 Spark 写入模式的字符串。如‘append’, ‘overwrite’, ‘ignore’, ‘error’, ‘errorifexists’。

‘append’(相当于‘a’)：将新数据追加到现有数据。
‘overwrite’(相当于‘w’)：覆盖现有数据。
‘ignore’：如果数据已存在，则静默忽略此操作。
‘error’ 或 ‘errorifexists’：如果数据已存在，则抛出异常。

partition_cols：str 或 str 列表，可选，默认无

分区列的名称

index_col: str or list of str, optional, default: None：

在 Spark 中用于表示 pandas-on-Spark 的索引的列名。 pandas-on-Spark 中的索引名称被忽略。默认情况下，索引总是丢失。

options：dict

所有其他选项直接传递到 Delta Lake。

例子：

>>> df = ps.DataFrame(dict(
...    date=list(pd.date_range('2012-1-1 12:00:00', periods=3, freq='M')),
...    country=['KR', 'US', 'JP'],
...    code=[1, 2 ,3]), columns=['date', 'country', 'code'])
>>> df
                 date country  code
0 2012-01-31 12:00:00      KR     1
1 2012-02-29 12:00:00      US     2
2 2012-03-31 12:00:00      JP     3

创建一个新的 Delta Lake 表，按一列分区：

>>> df.to_delta('%s/to_delta/foo' % path, partition_cols='date')

按两列划分：

>>> df.to_delta('%s/to_delta/bar' % path,
...             partition_cols=['date', 'country'])

使用 Delta 中的“replaceWhere”函数覆盖现有表的分区：

>>> df.to_delta('%s/to_delta/bar' % path,
...             mode='overwrite', replaceWhere='date >= "2012-01-01"')

相关用法

注：本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.pandas.DataFrame.to_delta。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。