PySpark支持多种数据的输入, 在输入完成后, 都会得到一个: RDD类的对象RDD全称为: 弹性分布式数据集 (Resilient Distributed Datasets)PySpark针对数据的处理, 都是以RDD对象作为载体, 即:- 数据存储在RDD内- 各类数据的计算方法, 也都是RDD的成员方法- RDD的数据计算方法, 返回值依旧是RDD对象。

pandas 中有两种常用的基本结构：- Series一维数组，与 Numpy 中的一维 array 类似。二者与 Python 基本的数据结构 List 也很相近。Series 能保存不同种数据类型，字符串、boolean值、数字等都能保存在 Series 中。二维的表格型数据结构。很多功能与 R 中的 data.frame 类似。可以将 DataFrame 理解为 Series 的容器。以下的

使用df.dtype查看数据类型使用df.astype['数据类型']将数据转换成所需要的数据类型。

层次化索引可以使一个轴上拥有多个索引使用unstack方法将Series变成一个DataFramestack方法可以将DataFrame变成Series。