Spark SQL

本页面提供所有公共Spark SQL API的概述。

• 核心类
  • pyspark.sql.SparkSession
  • pyspark.sql.Catalog
  • pyspark.sql.DataFrame
  • pyspark.sql.Column
  • pyspark.sql.Observation
  • pyspark.sql.Row
  • pyspark.sql.GroupedData
  • pyspark.sql.PandasCogroupedOps
  • pyspark.sql.DataFrameNaFunctions
  • pyspark.sql.DataFrameStatFunctions
  • pyspark.sql.Window
  • pyspark.sql.DataFrameReader
  • pyspark.sql.DataFrameWriter
  • pyspark.sql.DataFrameWriterV2
  • pyspark.sql.UDFRegistration
  • pyspark.sql.UDTFRegistration
  • pyspark.sql.udf.UserDefinedFunction
  • pyspark.sql.udtf.UserDefinedTableFunction
• Spark 会话
  • pyspark.sql.SparkSession.active
  • pyspark.sql.SparkSession.builder.appName
  • pyspark.sql.SparkSession.builder.config
  • pyspark.sql.SparkSession.builder.enableHiveSupport
  • pyspark.sql.SparkSession.builder.getOrCreate
  • pyspark.sql.SparkSession.builder.master
  • pyspark.sql.SparkSession.builder.remote
  • pyspark.sql.SparkSession.catalog
  • pyspark.sql.SparkSession.conf
  • pyspark.sql.SparkSession.createDataFrame
  • pyspark.sql.SparkSession.getActiveSession
  • pyspark.sql.SparkSession.newSession
  • pyspark.sql.SparkSession.range
  • pyspark.sql.SparkSession.read
  • pyspark.sql.SparkSession.readStream
  • pyspark.sql.SparkSession.sparkContext
  • pyspark.sql.SparkSession.sql
  • pyspark.sql.SparkSession.stop
  • pyspark.sql.SparkSession.streams
  • pyspark.sql.SparkSession.table
  • pyspark.sql.SparkSession.udf
  • pyspark.sql.SparkSession.udtf
  • pyspark.sql.SparkSession.version
  • 仅 Spark 连接
• 配置
  • pyspark.sql.conf.RuntimeConfig
• 输入/输出
  • pyspark.sql.DataFrameReader.csv
  • pyspark.sql.DataFrameReader.format
  • pyspark.sql.DataFrameReader.jdbc
  • pyspark.sql.DataFrameReader.json
  • pyspark.sql.DataFrameReader.load
  • pyspark.sql.DataFrameReader.option
  • pyspark.sql.DataFrameReader.options
  • pyspark.sql.DataFrameReader.orc
  • pyspark.sql.DataFrameReader.parquet
  • pyspark.sql.DataFrameReader.schema
  • pyspark.sql.DataFrameReader.table
  • pyspark.sql.DataFrameReader.text
  • pyspark.sql.DataFrameWriter.bucketBy
  • pyspark.sql.DataFrameWriter.csv
  • pyspark.sql.DataFrameWriter.format
  • pyspark.sql.DataFrameWriter.insertInto
  • pyspark.sql.DataFrameWriter.jdbc
  • pyspark.sql.DataFrameWriter.json
  • pyspark.sql.DataFrameWriter.mode
  • pyspark.sql.DataFrameWriter.option
  • pyspark.sql.DataFrameWriter.options
  • pyspark.sql.DataFrameWriter.orc
  • pyspark.sql.DataFrameWriter.parquet
  • pyspark.sql.DataFrameWriter.partitionBy
  • pyspark.sql.DataFrameWriter.save
  • pyspark.sql.DataFrameWriter.saveAsTable
  • pyspark.sql.DataFrameWriter.sortBy
  • pyspark.sql.DataFrameWriter.text
  • pyspark.sql.DataFrameWriterV2.using
  • pyspark.sql.DataFrameWriterV2.option
  • pyspark.sql.DataFrameWriterV2.options
  • pyspark.sql.DataFrameWriterV2.tableProperty
  • pyspark.sql.DataFrameWriterV2.partitionedBy
  • pyspark.sql.DataFrameWriterV2.create
  • pyspark.sql.DataFrameWriterV2.replace
  • pyspark.sql.DataFrameWriterV2.createOrReplace
  • pyspark.sql.DataFrameWriterV2.append
  • pyspark.sql.DataFrameWriterV2.overwrite
  • pyspark.sql.DataFrameWriterV2.overwritePartitions
• 数据框
  • pyspark.sql.DataFrame.__getattr__
  • pyspark.sql.DataFrame.__getitem__
  • pyspark.sql.DataFrame.agg
  • pyspark.sql.DataFrame.alias
  • pyspark.sql.DataFrame.approxQuantile
  • pyspark.sql.DataFrame.cache
  • pyspark.sql.DataFrame.checkpoint
  • pyspark.sql.DataFrame.coalesce
  • pyspark.sql.DataFrame.colRegex
  • pyspark.sql.DataFrame.collect
  • pyspark.sql.DataFrame.columns
  • pyspark.sql.DataFrame.corr
  • pyspark.sql.DataFrame.count
  • pyspark.sql.DataFrame.cov
  • pyspark.sql.DataFrame.createGlobalTempView
  • pyspark.sql.DataFrame.createOrReplaceGlobalTempView
  • pyspark.sql.DataFrame.createOrReplaceTempView
  • pyspark.sql.DataFrame.createTempView
  • pyspark.sql.DataFrame.crossJoin
  • pyspark.sql.DataFrame.crosstab
  • pyspark.sql.DataFrame.cube
  • pyspark.sql.DataFrame.describe
  • pyspark.sql.DataFrame.distinct
  • pyspark.sql.DataFrame.drop
  • pyspark.sql.DataFrame.dropDuplicates
  • pyspark.sql.DataFrame.dropDuplicatesWithinWatermark
  • pyspark.sql.DataFrame.drop_duplicates
  • pyspark.sql.DataFrame.dropna
  • pyspark.sql.DataFrame.dtypes
  • pyspark.sql.DataFrame.exceptAll
  • pyspark.sql.DataFrame.explain
  • pyspark.sql.DataFrame.fillna
  • pyspark.sql.DataFrame.filter
  • pyspark.sql.DataFrame.first
  • pyspark.sql.DataFrame.foreach
  • pyspark.sql.DataFrame.foreachPartition
  • pyspark.sql.DataFrame.freqItems
  • pyspark.sql.DataFrame.groupBy
  • pyspark.sql.DataFrame.head
  • pyspark.sql.DataFrame.hint
  • pyspark.sql.DataFrame.inputFiles
  • pyspark.sql.DataFrame.intersect
  • pyspark.sql.DataFrame.intersectAll
  • pyspark.sql.DataFrame.isEmpty
  • pyspark.sql.DataFrame.isLocal
  • pyspark.sql.DataFrame.isStreaming
  • pyspark.sql.DataFrame.join
  • pyspark.sql.DataFrame.limit
  • pyspark.sql.DataFrame.localCheckpoint
  • pyspark.sql.DataFrame.mapInPandas
  • pyspark.sql.DataFrame.mapInArrow
  • pyspark.sql.DataFrame.melt
  • pyspark.sql.DataFrame.na
  • pyspark.sql.DataFrame.observe
  • pyspark.sql.DataFrame.offset
  • pyspark.sql.DataFrame.orderBy
  • pyspark.sql.DataFrame.persist
  • pyspark.sql.DataFrame.printSchema
  • pyspark.sql.DataFrame.randomSplit
  • pyspark.sql.DataFrame.rdd
  • pyspark.sql.DataFrame.registerTempTable
  • pyspark.sql.DataFrame.repartition
  • pyspark.sql.DataFrame.repartitionByRange
  • pyspark.sql.DataFrame.replace
  • pyspark.sql.DataFrame.rollup
  • pyspark.sql.DataFrame.sameSemantics
  • pyspark.sql.DataFrame.sample
  • pyspark.sql.DataFrame.sampleBy
  • pyspark.sql.DataFrame.schema
  • pyspark.sql.DataFrame.select
  • pyspark.sql.DataFrame.selectExpr
  • pyspark.sql.DataFrame.semanticHash
  • pyspark.sql.DataFrame.show
  • pyspark.sql.DataFrame.sort
  • pyspark.sql.DataFrame.sortWithinPartitions
  • pyspark.sql.DataFrame.sparkSession
  • pyspark.sql.DataFrame.stat
  • pyspark.sql.DataFrame.storageLevel
  • pyspark.sql.DataFrame.subtract
  • pyspark.sql.DataFrame.summary
  • pyspark.sql.DataFrame.tail
  • pyspark.sql.DataFrame.take
  • pyspark.sql.DataFrame.to
  • pyspark.sql.DataFrame.toDF
  • pyspark.sql.DataFrame.toJSON
  • pyspark.sql.DataFrame.toLocalIterator
  • pyspark.sql.DataFrame.toPandas
  • pyspark.sql.DataFrame.to_pandas_on_spark
  • pyspark.sql.DataFrame.transform
  • pyspark.sql.DataFrame.union
  • pyspark.sql.DataFrame.unionAll
  • pyspark.sql.DataFrame.unionByName
  • pyspark.sql.DataFrame.unpersist
  • pyspark.sql.DataFrame.unpivot
  • pyspark.sql.DataFrame.where
  • pyspark.sql.DataFrame.withColumn
  • pyspark.sql.DataFrame.withColumns
  • pyspark.sql.DataFrame.withColumnRenamed
  • pyspark.sql.DataFrame.withColumnsRenamed
  • pyspark.sql.DataFrame.withMetadata
  • pyspark.sql.DataFrame.withWatermark
  • pyspark.sql.DataFrame.write
  • pyspark.sql.DataFrame.writeStream
  • pyspark.sql.DataFrame.writeTo
  • pyspark.sql.DataFrame.pandas_api
  • pyspark.sql.DataFrameNaFunctions.drop
  • pyspark.sql.DataFrameNaFunctions.fill
  • pyspark.sql.DataFrameNaFunctions.replace
  • pyspark.sql.DataFrameStatFunctions.approxQuantile
  • pyspark.sql.DataFrameStatFunctions.corr
  • pyspark.sql.DataFrameStatFunctions.cov
  • pyspark.sql.DataFrameStatFunctions.crosstab
  • pyspark.sql.DataFrameStatFunctions.freqItems
  • pyspark.sql.DataFrameStatFunctions.sampleBy
• 列
  • pyspark.sql.Column.__getattr__
  • pyspark.sql.Column.__getitem__
  • pyspark.sql.Column.alias
  • pyspark.sql.Column.asc
  • pyspark.sql.Column.asc_nulls_first
  • pyspark.sql.Column.asc_nulls_last
  • pyspark.sql.Column.astype
  • pyspark.sql.Column.between
  • pyspark.sql.Column.bitwiseAND
  • pyspark.sql.Column.bitwiseOR
  • pyspark.sql.Column.bitwiseXOR
  • pyspark.sql.Column.cast
  • pyspark.sql.Column.contains
  • pyspark.sql.Column.desc
  • pyspark.sql.Column.desc_nulls_first
  • pyspark.sql.Column.desc_nulls_last
  • pyspark.sql.Column.dropFields
  • pyspark.sql.Column.endswith
  • pyspark.sql.Column.eqNullSafe
  • pyspark.sql.Column.getField
  • pyspark.sql.Column.getItem
  • pyspark.sql.Column.ilike
  • pyspark.sql.Column.isNotNull
  • pyspark.sql.Column.isNull
  • pyspark.sql.Column.isin
  • pyspark.sql.Column.like
  • pyspark.sql.Column.name
  • pyspark.sql.Column.otherwise
  • pyspark.sql.Column.over
  • pyspark.sql.Column.rlike
  • pyspark.sql.Column.startswith
  • pyspark.sql.Column.substr
  • pyspark.sql.Column.when
  • pyspark.sql.Column.withField
• 数据类型
  • ArrayType
  • BinaryType
  • BooleanType
  • ByteType
  • DataType
  • DateType
  • DecimalType
  • DoubleType
  • FloatType
  • IntegerType
  • LongType
  • MapType
  • NullType
  • ShortType
  • StringType
  • CharType
  • VarcharType
  • StructField
  • StructType
  • TimestampType
  • TimestampNTZType
  • DayTimeIntervalType
  • YearMonthIntervalType
• 行
  • pyspark.sql.Row.asDict
• 函数
  • 普通函数
  • 数学函数
  • 日期时间函数
  • 集合函数
  • 分区转换函数
  • 聚合函数
  • 窗口函数
  • 排序函数
  • 字符串函数
  • 按位函数
  • 调用函数
  • 杂项函数
  • 谓词函数
  • XML 函数
• 窗口
  • pyspark.sql.Window.currentRow
  • pyspark.sql.Window.orderBy
  • pyspark.sql.Window.partitionBy
  • pyspark.sql.Window.rangeBetween
  • pyspark.sql.Window.rowsBetween
  • pyspark.sql.Window.unboundedFollowing
  • pyspark.sql.Window.unboundedPreceding
  • pyspark.sql.WindowSpec.orderBy
  • pyspark.sql.WindowSpec.partitionBy
  • pyspark.sql.WindowSpec.rangeBetween
  • pyspark.sql.WindowSpec.rowsBetween
• 分组
  • pyspark.sql.GroupedData.agg
  • pyspark.sql.GroupedData.apply
  • pyspark.sql.GroupedData.applyInPandas
  • pyspark.sql.GroupedData.applyInPandasWithState
  • pyspark.sql.GroupedData.avg
  • pyspark.sql.GroupedData.cogroup
  • pyspark.sql.GroupedData.count
  • pyspark.sql.GroupedData.max
  • pyspark.sql.GroupedData.mean
  • pyspark.sql.GroupedData.min
  • pyspark.sql.GroupedData.pivot
  • pyspark.sql.GroupedData.sum
  • pyspark.sql.PandasCogroupedOps.applyInPandas
• 目录
  • pyspark.sql.Catalog.cacheTable
  • pyspark.sql.Catalog.clearCache
  • pyspark.sql.Catalog.createExternalTable
  • pyspark.sql.Catalog.createTable
  • pyspark.sql.Catalog.currentCatalog
  • pyspark.sql.Catalog.currentDatabase
  • pyspark.sql.Catalog.databaseExists
  • pyspark.sql.Catalog.dropGlobalTempView
  • pyspark.sql.Catalog.dropTempView
  • pyspark.sql.Catalog.functionExists
  • pyspark.sql.Catalog.getDatabase
  • pyspark.sql.Catalog.getFunction
  • pyspark.sql.Catalog.getTable
  • pyspark.sql.Catalog.isCached
  • pyspark.sql.Catalog.listCatalogs
  • pyspark.sql.Catalog.listColumns
  • pyspark.sql.Catalog.listDatabases
  • pyspark.sql.Catalog.listFunctions
  • pyspark.sql.Catalog.listTables
  • pyspark.sql.Catalog.recoverPartitions
  • pyspark.sql.Catalog.refreshByPath
  • pyspark.sql.Catalog.refreshTable
  • pyspark.sql.Catalog.registerFunction
  • pyspark.sql.Catalog.setCurrentCatalog
  • pyspark.sql.Catalog.setCurrentDatabase
  • pyspark.sql.Catalog.tableExists
  • pyspark.sql.Catalog.uncacheTable
• Avro
  • pyspark.sql.avro.functions.from_avro
  • pyspark.sql.avro.functions.to_avro
• 观察
  • pyspark.sql.Observation.get
• 用户定义函数 (UDF)
  • pyspark.sql.udf.UserDefinedFunction.asNondeterministic
  • pyspark.sql.udf.UserDefinedFunction.returnType
  • pyspark.sql.UDFRegistration.register
  • pyspark.sql.UDFRegistration.registerJavaFunction
  • pyspark.sql.UDFRegistration.registerJavaUDAF
• 用户定义表函数 (UDTF)
  • pyspark.sql.udtf.UserDefinedTableFunction.asDeterministic
  • pyspark.sql.udtf.UserDefinedTableFunction.returnType
  • pyspark.sql.UDTFRegistration.register
• Protobuf
  • pyspark.sql.protobuf.functions.from_protobuf
  • pyspark.sql.protobuf.functions.to_protobuf

上一页

API 参考

下一步

核心类