在pyspark 2中读取文本文件

Question

我正在尝试使用 python 读取 spark 2.3 中的文本文件，但出现此错误。这是文本文件的格式：

name marks
amar 100
babul 70
ram 98
krish 45

代码：

df=spark.read.option("header","true")\
    .option("delimiter"," ")\
    .option("inferSchema","true")\
    .schema(
        StructType(
            [
                StructField("Name",StringType()),
                StructField("marks",IntegerType())
            ]
        )
    )\
    .text("file:/home/maria_dev/prac.txt")

错误：

java.lang.AssertionError: assertion failed: Text data source only
produces a single data column named "value"

当我尝试将文本文件读入 RDD 时，它被收集为一个列。

应该更改数据文件还是更改我的代码？

Answer 1

而不是.text（仅生成单值列）使用.csv将文件加载到DF。

>>> df=spark.read.option("header","true")\
    .option("delimiter"," ")\
    .option("inferSchema","true")\
    .schema(
        StructType(
            [
                StructField("Name",StringType()),
                StructField("marks",IntegerType())
            ]
        )
    )\
    .csv('file:///home/maria_dev/prac.txt') 

>>> from pyspark.sql.types import *
>>> df
DataFrame[Name: string, marks: int]
>>> df.show(10,False)
+-----+-----+
|Name |marks|
+-----+-----+
|amar |100  |
|babul|70   |
|ram  |98   |
|krish|45   |
+-----+-----+

在pyspark 2中读取文本文件

read textfile in pyspark2

pyspark

apache-spark-2.2