Scala：我如何根据行数将数据帧拆分为多个csv文件

Question

我有一个数据帧，说的是带有10M行的df1。我想将它们分割为多个具有每行1M行的csv文件。任何建议在Scala中做同样的事情？

Answer 1

您可以在数据框上使用randomSplit方法。

import scala.util.Random 
val df = List(0,1,2,3,4,5,6,7,8,9).toDF 
val splitted = df.randomSplit(Array(1,1,1,1,1)) 
splitted foreach { a => a.write.format("csv").save("path" + Random.nextInt) } 

我使用Random.nextInt有一个唯一的名称。如有必要，您可以在其中添加其他逻辑。

来源：

http://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.sql.Dataset

How to save a spark DataFrame as csv on disk?

https://forums.databricks.com/questions/8723/how-can-i-split-a-spark-dataframe-into-n-equal-dat.html

编辑：另一种方法是使用限制和除了：

var input = List(1,2,3,4,5,6,7,8,9).toDF 
val limit = 2 

var newFrames = List[org.apache.spark.sql.Dataset[org.apache.spark.sql.Row]]() 
var size = input.count; 

while (size > 0) { 
    newFrames = input.limit(limit) :: newFrames 
    input = input.except(newFrames.head) 
    size = size - limit 
} 

newFrames.foreach(_.show) 

结果列表中的第一个元素可能包含比列表的其余部分少的元素。