如何使用 PySpark 在数据框中获取不同的行？

在本文中，我们将在Python中从 pyspark 数据帧中获取不同的数据，因此我们将使用嵌套列表创建数据帧并获取不同的数据。

我们将从 pyspark 列表创建一个数据帧，绕过列表到 pyspark 的 createDataFrame() 方法，然后通过使用 distinct()函数，我们将从数据帧中获取不同的行。

Syntax: dataframe.distinct()

Where dataframe is the dataframe name created from the nested lists using pyspark

示例 1 ：从列表列表创建的数据框中的大学数据中获取不同数据的Python代码。

Python3

# importing module
import pyspark
  
# importing sparksession from 
# pyspark.sql module
from pyspark.sql import SparkSession
  
# creating sparksession and giving
# an app name
spark = SparkSession.builder.appName('sparkdf').getOrCreate()
  
# list  of college data
data = [["1", "bobby", "vvit"], 
        ["2", "sravan", "jntuk"],
        ["3", "rohith", "AU"],
        ["4", "sridevi", "GVRS"], 
        ["1", "bobby", "vvit"]]
  
# specify column names
columns = ['ID', 'NAME', 'COLLEGE']
  
# creating a dataframe from the 
# lists of data
dataframe = spark.createDataFrame(data, columns)
  
print('Actual data in dataframe')
dataframe.show()

输出：

现在获取数据框中的不同行：

蟒蛇3

print('distinct data')
  
# display distinct data
dataframe.distinct().show()

输出：

示例 2：从 1 行中查找不同值的Python程序

蟒蛇3

# importing module
import pyspark
  
# importing sparksession from 
# pyspark.sql module
from pyspark.sql import SparkSession
  
# creating sparksession and giving
# an app name
spark = SparkSession.builder.appName('sparkdf').getOrCreate()
  
# list  of college data
data = [["1", "bobby", "vvit"]]
  
# specify column names
columns = ['ID', 'NAME', 'COLLEGE']
  
# creating a dataframe from the 
# list of data
dataframe = spark.createDataFrame(data, columns)
  
print('Actual data in dataframe')
dataframe.show()

输出：

现在获取数据框中的不同行：

蟒蛇3

print('distinct data')
  
# display distinct data from
# the dataframe
dataframe.distinct().show()

输出：