Parquet को समझना

PySpark के साथ डेटा क्लीनिंग

Mike Metzger

Data Engineering Consultant

CSV फाइलों की मुश्किलें

Parquet फाइलें पढ़ना

df = spark.read.format('parquet').load('filename.parquet')

df = spark.read.parquet('filename.parquet')

Parquet फाइलें लिखना

df.write.format('parquet').save('filename.parquet')

df.write.parquet('filename.parquet')

SparkSQL ऑपरेशंस के लिए Parquet को बैकिंग स्टोर के रूप में

flight_df = spark.read.parquet('flights.parquet')

flight_df.createOrReplaceTempView('flights')

short_flights_df = spark.sql('SELECT * FROM flights WHERE flightduration < 100')

PySpark के साथ डेटा क्लीनिंग