我把我的Pandasdf换成了临时桌
1） 将pandasDataframe转换为sparkDataframe：

spark_df=sqlContext.createDataFrame(Pandas_df)

2） 确保数据已正确迁移

spark_df.select("*").show()

3） 将sparkDataframe转换为临时表以进行查询。

spark_df.registerTempTable("table_name").

干杯。。

我猜你是想利用Pandas df 而不是spark的df。
pandas dataframe没有这样的方法 registerTempTable .
你可以尝试从Pandasdf创建spark df。
更新：
我已经在cloudera下测试了它（安装了anaconda包，其中包括pandas模块）。
确保您已设置 PYSPARK_PYTHON 到所有spark workers上的anaconda python安装（或另一个包含pandas模块的安装）（通常在： spark-conf/spark-env.sh )
以下是我的测试结果：

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame(np.random.randint(0,100,size=(10, 3)), columns=list('ABC'))
>>> sdf = sqlContext.createDataFrame(df)
>>> sdf.show()
+---+---+---+
|  A|  B|  C|
+---+---+---+
| 98| 33| 75|
| 91| 57| 80|
| 20| 87| 85|
| 20| 61| 37|
| 96| 64| 60|
| 79| 45| 82|
| 82| 16| 22|
| 77| 34| 65|
| 74| 18| 17|
| 71| 57| 60|
+---+---+---+

>>> sdf.printSchema()
root
 |-- A: long (nullable = true)
 |-- B: long (nullable = true)
 |-- C: long (nullable = true)

首先，您需要将pandasDataframe转换为sparkDataframe：

from pyspark.sql import HiveContext
hive_context = HiveContext(sc)
df = hive_context.createDataFrame(pd_df)

然后你可以在记忆中创造一个诱人的东西：

df.registerTempTable('tmp')

现在，您可以使用配置单元ql将数据保存到配置单元中：

hive_context.sql("""insert overwrite table target partition(p='p') select a,b from tmp'''

注意than:the hive_context 一定要保持一致！