您好,登錄后才能下訂單哦!
這篇文章主要用代碼分析python如何讀取hdfs并返回dataframe,內(nèi)容清晰明了,對此有興趣的小伙伴可以學(xué)習(xí)一下,相信大家閱讀完之后會有幫助。
不多說,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讀取二進制數(shù)據(jù)流文件 # 2. 將二進制文件另存為.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
補充知識:Python連接HDFS實現(xiàn)文件上傳下載及Pandas轉(zhuǎn)換文本文件到CSV
1. 目標(biāo)
通過hadoop hive或spark等數(shù)據(jù)計算框架完成數(shù)據(jù)清洗后的數(shù)據(jù)在HDFS上
爬蟲和機器學(xué)習(xí)在Python中容易實現(xiàn)
在Linux環(huán)境下編寫Python沒有pyCharm便利
需要建立Python與HDFS的讀寫通道
2. 實現(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后是二進制,str()轉(zhuǎn)換為字符串并轉(zhuǎn)碼 print(line)
寫文件代碼如下
from pyhdfs import HdfsClient client=HdfsClient(hosts='ghym:50070',user_name='hadoop')#只有hadoop用戶擁有寫權(quán)限 str='hello world' client.create('/py.txt',str)#創(chuàng)建新文件并寫入字符串
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')#本地文件絕對路徑,HDFS目錄必須不存在
3. 讀取文本文件寫入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, 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
看完上述內(nèi)容,是不是對用代碼分析python如何讀取hdfs并返回dataframe有進一步的了解,如果還想學(xué)習(xí)更多內(nèi)容,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。