在pyspark中从现有数据框创建多个数据框

在pyspark中，可以通过使用select和filter等操作来从现有数据框创建多个数据框。

首先，我们需要导入pyspark库并创建一个SparkSession对象，用于与Spark集群进行通信和操作数据。

from pyspark.sql import SparkSession

# 创建SparkSession对象
spark = SparkSession.builder.getOrCreate()

接下来，我们可以使用spark.read方法从不同的数据源加载数据，并将其转换为数据框。

# 从CSV文件创建数据框
df_csv = spark.read.csv("path/to/csv/file.csv", header=True, inferSchema=True)

# 从JSON文件创建数据框
df_json = spark.read.json("path/to/json/file.json")

# 从数据库表创建数据框
df_db = spark.read.format("jdbc").option("url", "jdbc:mysql://localhost:3306/db_name").option("dbtable", "table_name").option("user", "username").option("password", "password").load()

我们还可以使用select方法选择特定的列，并使用filter方法过滤数据。

# 选择特定的列
df_selected = df_csv.select("column1", "column2")

# 过滤数据
df_filtered = df_csv.filter(df_csv["column1"] > 10)

此外，我们还可以使用groupBy方法对数据进行分组，并使用聚合函数进行计算。

# 按列进行分组并计算平均值
df_grouped = df_csv.groupBy("column1").avg("column2")

最后，我们可以使用write方法将数据框保存到指定的位置。

# 将数据框保存为CSV文件
df_csv.write.csv("path/to/save/csv/file.csv")

# 将数据框保存为JSON文件
df_json.write.json("path/to/save/json/file.json")

# 将数据框保存到数据库表
df_db.write.format("jdbc").option("url", "jdbc:mysql://localhost:3306/db_name").option("dbtable", "table_name").option("user", "username").option("password", "password").save()

总结起来，在pyspark中从现有数据框创建多个数据框的步骤如下：