3
我正在嘗試使用spark 1.6.1寫入csv文件。 說我有一個CSV文件是這樣的:無法在spark中寫入csv文件
date,category
19900108,apples
19900108,apples
19900308,peaches
19900408,peaches
19900508,pears
19910108,pears
19910108,peaches
19910308,apples
19910408,apples
19910508,apples
19920108,pears
19920108,peaches
19920308,apples
19920408,peaches
19920508,pears
我想創建一個輸出CSV文件是這樣的:
date,apples,peaches,pears
1990,2,2,1
1991,3,1,1
1992,1,2,2
我用這Scala代碼加載文件:
spark-shell --packages com.databricks:spark-csv_2.11:1.2.0
import org.apache.spark.SparkContext
import org.apache.spark.SparkConf
import org.apache.spark.sql.SQLContext
import org.apache.spark.sql.functions._
val sqlContext = new SQLContext(sc)
var df = sqlContext.read.format("com.databricks.spark.csv").option("header","true").option("inferSchema", "true").load("data/sample.csv")
df = df.withColumn("year", df.col("date").substr(0,4))
df.groupBy("year").pivot("category").agg("category"->"count").show()
當我運行這個,我得到這個數據幀,這正是我想要的
+----+------+-------+-----+
|year|apples|peaches|pears|
+----+------+-------+-----+
|1990| 2| 2| 1|
|1991| 3| 1| 1|
|1992| 1| 2| 2|
+----+------+-------+-----+
但是當我嘗試使用此代碼來寫這一個CSV:
df.coalesce(1).write.format("com.databricks.spark.csv").option("header", "true").save("mydata4.csv")
這是當我打開它,這是不是我要找我收到csv文件。
date,category,year
19900108,apples,1990
19900108,apples,1990
19900308,peaches,1990
19900408,peaches,1990
19900508,pears,1990
19910108,pears,1991
19910108,peaches,1991
19910308,apples,1991
19910408,apples,1991
19910508,apples,1991
19920108,pears,1992
19920108,peaches,1992
19920308,apples,1992
19920408,peaches,1992
19920508,pears,1992
我錯過了什麼嗎?難道我做錯了什麼?
謝謝。它做到了 – ronmac