代码之家 › 专栏 › 技术社区 › yanachen

如何将数据帧随机写入HDFScsv?

apache-spark-sql pyspark apache-spark python

yanachen · 技术社区 · 7 年前

我想写一个数据帧到HDF。但随机排序非常慢,尽管只有1700万个数据行。

df = df.withColumn('random_index',rand())
df = df.orderBy('random_index')

df.write.csv('hdfs:///user/yananc/yanan_gbdt_dnn', sep=',')

有没有快速有效的方法来实现这一点?

1 回复 | 直到 7 年前

Shaido MadHadders 7 年前

orderBy sortWithinPartitions

df.sortWithinPartitions(rand())

推荐文章

Google User · Django管理员在`list_display中未显示`creation_date`字段`

11 月前

user29747013 · 如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

11 月前

ÎÎÎ½Î· ÎÎ®Î¹Î½Î¿Ï · Python lxml.html语法错误:使用lxml find时XPATH的谓词无效

11 月前

user29715306 · from_users=和chats=电视节目中的差异

11 月前

Redshoe · 当执行numpy.genfromtxt()时,python是否会读取文件的所有行?

12 月前

RASEL MAHMUD · 为什么以及如何在is_even()函数内的IF条件中递归X变量在满足0后递增?[副本]

12 月前

prayner · 更新嵌套字典包含列表中的项

12 月前

Bringo Jr · 我可以在O(n)中解决这个问题吗?

1 年前

Dave · 如何在for循环中修改列表值

1 年前

Shukurullox Komiljonov · 从记录中获得相互和解。使用SQL

1 年前