最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

python讀取hdfs并返回dataframe教程

 更新時(shí)間:2020年06月05日 14:55:43   作者:王發(fā)北  
這篇文章主要介紹了python讀取hdfs并返回dataframe教程,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

不多說(shuō),直接上代碼

from hdfs import Client
import pandas as pd
 
HDFSHOST = "http://xxx:50070"
FILENAME = "/tmp/preprocess/part-00000" #hdfs文件路徑
COLUMNNAMES = [xx']
 
def readHDFS():
'''
讀取hdfs文件
 
Returns:
df:dataframe hdfs數(shù)據(jù)
'''
client = Client(HDFSHOST)
# 目前讀取hdfs文件采用方式:
# 1. 先從hdfs讀取二進(jìn)制數(shù)據(jù)流文件
# 2. 將二進(jìn)制文件另存為.csv
# 3. 使用pandas讀取csv文件
with client.read(FILENAME) as fs:
content = fs.read()
s = str(content, 'utf-8')
file = open("data/tmp/data.csv", "w")
file.write(s)
df = pd.read_csv("data/tmp/data.csv", names=COLUMNNAMES)
return df

補(bǔ)充知識(shí):Python連接HDFS實(shí)現(xiàn)文件上傳下載及Pandas轉(zhuǎn)換文本文件到CSV

1. 目標(biāo)

通過(guò)hadoop hive或spark等數(shù)據(jù)計(jì)算框架完成數(shù)據(jù)清洗后的數(shù)據(jù)在HDFS上

爬蟲(chóng)和機(jī)器學(xué)習(xí)在Python中容易實(shí)現(xiàn)

在Linux環(huán)境下編寫(xiě)Python沒(méi)有pyCharm便利

需要建立Python與HDFS的讀寫(xiě)通道

2. 實(shí)現(xiàn)

安裝Python模塊pyhdfs

版本:Python3.6, hadoop 2.9

讀文件代碼如下

from pyhdfs import HdfsClient
client=HdfsClient(hosts='ghym:50070')#hdfs地址
res=client.open('/sy.txt')#hdfs文件路徑,根目錄/
for r in res:
  line=str(r,encoding='utf8')#open后是二進(jìn)制,str()轉(zhuǎn)換為字符串并轉(zhuǎn)碼
  print(line)

寫(xiě)文件代碼如下

from pyhdfs import HdfsClient
client=HdfsClient(hosts='ghym:50070',user_name='hadoop')#只有hadoop用戶(hù)擁有寫(xiě)權(quán)限
str='hello world'
client.create('/py.txt',str)#創(chuàng)建新文件并寫(xiě)入字符串

上傳本地文件到HDFS

from pyhdfs import HdfsClient
client = HdfsClient(hosts='ghym:50070', user_name='hadoop')
client.copy_from_local('d:/pydemo.txt', '/pydemo')#本地文件絕對(duì)路徑,HDFS目錄必須不存在

3. 讀取文本文件寫(xiě)入csv

Python安裝pandas模塊

確認(rèn)文本文件的分隔符

# pyhdfs讀取文本文件,分隔符為逗號(hào),
from pyhdfs import HdfsClient
client = HdfsClient(hosts='ghym:50070', user_name='hadoop')
inputfile=client.open('/int.txt')
# pandas調(diào)用讀取方法read_table
import pandas as pd
df=pd.read_table(inputfile,encoding='gbk',sep=',')#參數(shù)為源文件,編碼,分隔符
# 數(shù)據(jù)集to_csv方法轉(zhuǎn)換為csv
df.to_csv('demo.csv',encoding='gbk',index=None)#參數(shù)為目標(biāo)文件,編碼,是否要索引

以上這篇python讀取hdfs并返回dataframe教程就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python json序列化解讀

    Python json序列化解讀

    這篇文章主要介紹了Python json序列化解讀,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2025-03-03
  • python3.7.3版本和django2.2.3版本是否可以兼容

    python3.7.3版本和django2.2.3版本是否可以兼容

    在本篇文章里小編給大家整理的是一篇關(guān)于python3.7.3版本和django2.2.3版本是否可以兼容的相關(guān)知識(shí)點(diǎn)內(nèi)容,有興趣的朋友們可以學(xué)習(xí)下。
    2020-09-09
  • 用Python實(shí)現(xiàn)寫(xiě)倒序輸出(任意位數(shù))

    用Python實(shí)現(xiàn)寫(xiě)倒序輸出(任意位數(shù))

    這篇文章主要介紹了用Python實(shí)現(xiàn)寫(xiě)倒序輸出(任意位數(shù)),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-05-05
  • python 在某.py文件中調(diào)用其他.py內(nèi)的函數(shù)的方法

    python 在某.py文件中調(diào)用其他.py內(nèi)的函數(shù)的方法

    這篇文章主要介紹了python 在某.py文件中調(diào)用其他.py內(nèi)的函數(shù)的方法,本文給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2019-06-06
  • 使用Python構(gòu)建Markdown轉(zhuǎn)Word文檔轉(zhuǎn)換器

    使用Python構(gòu)建Markdown轉(zhuǎn)Word文檔轉(zhuǎn)換器

    在當(dāng)今的文檔處理中,Markdown因其簡(jiǎn)潔的語(yǔ)法和易讀性而廣受歡迎,而Microsoft Word(DOCX格式)則因其廣泛的兼容性和專(zhuān)業(yè)的排版效果成為商業(yè)文檔的標(biāo)準(zhǔn),本文將介紹如何使用Python構(gòu)建一個(gè)帶有圖形界面的Markdown轉(zhuǎn)Word文檔轉(zhuǎn)換器,需要的朋友可以參考下
    2025-02-02
  • python全面解析接口返回?cái)?shù)據(jù)

    python全面解析接口返回?cái)?shù)據(jù)

    這篇文章主要介紹了python接口返回?cái)?shù)據(jù),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-02-02
  • python 寫(xiě)一個(gè)文件分發(fā)小程序

    python 寫(xiě)一個(gè)文件分發(fā)小程序

    這篇文章主要介紹了python 寫(xiě)一個(gè)文件分發(fā)小程序,幫助大家更好的理解和學(xué)習(xí)python,感興趣的朋友可以了解下
    2020-12-12
  • python繪制散點(diǎn)圖詳細(xì)步驟(從0到1必會(huì))

    python繪制散點(diǎn)圖詳細(xì)步驟(從0到1必會(huì))

    這篇文章主要介紹了如何使用Python繪制散點(diǎn)圖,包括導(dǎo)入包、準(zhǔn)備數(shù)據(jù)、繪制圖像、修飾圖像(添加標(biāo)題、坐標(biāo)軸標(biāo)簽、顏色圖例)以及整合所有代碼,文中通過(guò)代碼介紹的非常詳細(xì),需要的朋友可以參考下
    2024-12-12
  • Python標(biāo)準(zhǔn)庫(kù)中的logging用法示例詳解

    Python標(biāo)準(zhǔn)庫(kù)中的logging用法示例詳解

    logging是Python標(biāo)準(zhǔn)庫(kù)中記錄常用的記錄日志庫(kù),通過(guò)logging模塊存儲(chǔ)各種格式的日志,主要用于輸出運(yùn)行日志,可以設(shè)置輸出日志的等級(jí)、日志保存路徑、日志文件回滾等,這篇文章主要介紹了Python標(biāo)準(zhǔn)庫(kù)中的logging,需要的朋友可以參考下
    2022-09-09
  • Python中線(xiàn)程鎖的使用介紹

    Python中線(xiàn)程鎖的使用介紹

    大家好,本篇文章主要講的是Python中線(xiàn)程鎖的使用介紹,感興趣的同學(xué)趕快來(lái)看一看吧,對(duì)你有幫助的話(huà)記得收藏一下,方便下次瀏覽
    2022-01-01

最新評(píng)論

张家川| 大渡口区| 简阳市| 隆尧县| 寻甸| 肇源县| 陇川县| 闽清县| 墨脱县| 招远市| 习水县| 西贡区| 镇赉县| 信丰县| 阳江市| 宜川县| 仙游县| 冷水江市| 兴业县| 澄江县| 定西市| 永清县| 伊宁县| 潼关县| 英德市| 博爱县| 信丰县| 闽侯县| 卢氏县| 保康县| 榆树市| 容城县| 丹凤县| 崇阳县| 抚顺县| 苗栗县| 云阳县| 武夷山市| 迁西县| 赤水市| 赣州市|