Python pyspark DataFrameReader.json用法及代码示例

本文简要介绍 pyspark.sql.DataFrameReader.json 的用法。

用法: DataFrameReader.json(path, schema=None, primitivesAsString=None, prefersDecimal=None, allowComments=None, allowUnquotedFieldNames=None, allowSingleQuotes=None, allowNumericLeadingZero=None, allowBackslashEscapingAnyCharacter=None, mode=None, columnNameOfCorruptRecord=None, dateFormat=None, timestampFormat=None, multiLine=None, allowUnquotedControlChars=None, lineSep=None, samplingRatio=None, dropFieldIfAllNull=None, encoding=None, locale=None, pathGlobFilter=None, recursiveFileLookup=None, allowNonNumericNumbers=None, modifiedBefore=None, modifiedAfter=None)

加载 JSON 文件并将结果作为 DataFrame 返回。

默认支持JSON Lines (newline-delimited JSON)。对于 JSON(每个文件一条记录)，将 multiLine 参数设置为 true 。

如果未指定schema 参数，则此函数通过输入一次以确定输入模式。

1.4.0 版中的新函数。

参数：

path：字符串、列表或RDD: string 表示 JSON 数据集的路径，或路径列表，或存储 JSON 对象的字符串的 RDD。
schema： pyspark.sql.types.StructType 或 str，可选: 输入模式的可选 pyspark.sql.types.StructType 或 DDL 格式的字符串(例如 col0 INT, col1 DOUBLE )。

其他参数：

Extra options：: 有关额外选项，请参阅您使用的版本中的Data Source Option。

例子：

>>> df1 = spark.read.json('python/test_support/sql/people.json')
>>> df1.dtypes
[('age', 'bigint'), ('name', 'string')]
>>> rdd = sc.textFile('python/test_support/sql/people.json')
>>> df2 = spark.read.json(rdd)
>>> df2.dtypes
[('age', 'bigint'), ('name', 'string')]

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.sql.DataFrameReader.json。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。