python - 从 Spotify API 调用创建 PySpark 数据框
问题描述
我目前正在了解有关 pySpark 的更多信息,并希望将一个项目放在一起,将 spotify api 数据放入 spark 数据框中进行分析。
我熟悉如何在 Pandas 中执行此操作,并认为该方法会类似,但我很快意识到这里并非如此。我检查了其他 SO 问题,但仍未找到适合我的方法。
我目前拥有的代码如下所示:
from spotipy.oauth2 import SpotifyClientCredentials, SpotifyOAuth
import datetime
import os
from pyspark.sql import SparkSession, types
from pyspark import SparkContext,SparkConf
# Extract Data
def get_data():
CLIENT_ID = os.environ.get('SP_CLIENT_ID')
CLIENT_SEC = os.environ.get('SP_CLIENT_SECRET')
scope = "user-library-read user-read-recently-played"
today = datetime.datetime.now()
yesterday = today - datetime.timedelta(days=1)
yesterday_unix_timestamp = int(yesterday.timestamp()) * 1000
client_creds_manager = SpotifyClientCredentials(client_id=CLIENT_ID,client_secret=CLIENT_SEC)
sp = spotipy.Spotify(auth_manager=SpotifyOAuth(client_id=CLIENT_ID,client_secret=CLIENT_SEC,scope=scope,redirect_uri='http://localhost:3000/callback'))
return sp.current_user_recently_played(after=yesterday_unix_timestamp, limit=30)
# Transform Data in pyspark
def transform():
data = get_data()
song_names = []
artist_names = []
played_at = []
timestamps = []
for song in data['items']:
song_names.append(song['track']['name'])
artist_names.append(song['track']['album']['artists'][0]['name'])
played_at.append(song['played_at'])
timestamps.append(song['played_at'][0:10])
song_dict = {
'song_names': song_names,
'artist_names': artist_names,
'played_at': played_at,
'timestamps': timestamps
}
spark = SparkSession.builder.appName('Spotify').getOrCreate()
sc = spark.sparkContext
json_rdd = sc.parallelize(song_dict)
df = spark.read.json(json_rdd, multiLine=True)
df.show(truncate=False)
transform()
任何帮助将不胜感激,spark 是一种有趣的学习技术,加载 api 数据是我想真正理解的东西。
谢谢!
解决方案
所以你有多个 Python 的列表,你想创建一个 Spark 的 DataFrame。您应该使用createDataFrame
SparkSession 的方法。
songs = "a b c x y z".split()
names = "i h k l m n".split()
df = spark.createDataFrame(zip(songs,names),['songs','names'])
df.show()
你会得到一个 Spark 的 DataFrame df
,如下所示:
+-----+-----+
|songs|names|
+-----+-----+
| a| i|
| b| h|
| c| k|
| x| l|
| y| m|
| z| n|
+-----+-----+
推荐阅读
- java - 找不到带有 H2 投掷表的 Spring MVC
- reactjs - 同一个 Azure 存储帐户上的多个 React 站点
- node.js - 在我的代码中读取和写入文件是非阻塞的。为什么?
- python - 试图将 json 转换为 csv,index_col 错误
- azure-devops - TestResultsHttpClientBase.GetTestResultDetailsForBuildAsync 中的属性为空
- java - 如何处理带有特殊字符和口音的axios安装的GET请求
- hasura - 如何将 CloudSQL Postgres 连接到 Hasura Cloud?
- python - 使用 pfdminer 查找文本字符串不一致 [Python]
- excel - 如果单元格为空,则复制下一个(右 1,2,3)单元格并粘贴,如何制作?
- reactjs - next.js:函数作为 React 子级无效