【PySpark系列（一）】快速上手DataFrame

本文主要目的是让我们来快速上手PySpark DataFrame API。
PySpark DataFrames是延迟计算的。它们是在RDDs的基础上实现的。当Spark进行transform算子时，它是不会立即计算结果的，而是稍后遇到Action算子（比如collect()算子）后再执行。

PySpark的应用程序从初始化SparkSession开始，它是PySpark的入口点，如下所示。

from pyspark.sql import SparkSession

spark = SparkSession.builder.getOrCreate()

tips:
如果通过pyspark可执行文件在PySpark shell中运行它，shell会自动在变量spark中为用户创建会话。

PySpark DataFrame可以通过pyspark.sql.SparkSession.createDataFrame方法创建，向此方法里传递列表、元组、字典、pyspark.sql.Rows