我正在用Pandas从excel表格中读取数据。我需要使用pyspark将数据插入到配置单元中。
sparkConf = SparkConf().setAppName("App")
sc = SparkContext(conf = sparkConf)
sqlContext = HiveContext(sc)
excel_file = pd.ExcelFile("export_n_moreExportData10846.xls")
for sheet_name in excel_file.sheet_names:
try:
df = pd.read_excel(excel_file, header=None, squeeze=True, sheet_name=sheet_name)
for i, row in df.iterrows():
if row.notnull().all():
data = df.iloc[(i+1):].reset_index(drop=True)
data.columns = list(df.iloc[i])
break
for c in data.columns:
data[c] = pd.to_numeric(data[c], errors='ignore')
print data #I need to insert this data into HIVE
except:
continue
2条答案
按热度按时间jfewjypa1#
如果列类型与spark兼容,则可以使用以下代码保存Dataframe:
yduiuuwa2#
您可以查看hadoopoffice库,它提供excel读/写功能,在主要的大数据平台(mr、hive、flink、spark…)上具有许多功能:https://github.com/zuinnote/hadoopoffice/wiki