Spark SQL入門

PySpark 入門

Benjamin Schmidt

Data Engineer

Spark SQLとは何ですか

Apache Spark の構造化データ処理用モジュール
データ処理タスクと並行してSQLクエリを実行できるようにします
1つのアプリケーションでPythonとSQLをシームレスに組み合わせる

DataFrame インターフェース: 構造化データ{{4}}へのプログラムによるアクセスを提供します

一時テーブルの作成

# Initialize Spark session
spark = SparkSession.builder.appName("Spark SQL Example").getOrCreate()

# Sample DataFrame
data = [("Alice", "HR", 30), ("Bob", "IT", 40), ("Cathy", "HR", 28)]
columns = ["Name", "Department", "Age"]
df = spark.createDataFrame(data, schema=columns)

# Register DataFrame as a temporary view
df.createOrReplaceTempView("people")

# Query using SQL
result = spark.sql("SELECT Name, Age FROM people WHERE Age > 30")
result.show()

一時ビューをさらに深く理解する

一時ビューは、分析中に基礎となるデータを保護します
CSVからの読み込みでは、すでに知っているメソッドを使います
```
df = spark.read.csv("path/to/your/file.csv", header=True, inferSchema=True)
```

# Register DataFrame as a temporary view
df.createOrReplaceTempView("employees")

SQL と DataFrame の操作の組み合わせ

# SQL query result
query_result = spark.sql("SELECT Name, Salary FROM employees WHERE Salary > 3000")

# DataFrame transformation
high_earners = query_result.withColumn("Bonus", query_result.Salary * 0.1)
high_earners.show()

練習しましょう！

PySpark 入門