Metoda df.count() este o acțiune Spark care lansează un job pe cluster pentru a număra totalul rândurilor din DataFrame. Fiecare executor numără rândurile din partițiile locale, iar rezultatele parțiale sunt însumate pe nodul driver.
Dacă datele provin dintr-un fișier Parquet sau tabel Delta fără filtre suplimentare, Spark poate citi acest număr direct din metadate aproape instantaneu.
Exemplu: Verificarea volumului de date după filtrare
total_initial = df.count()
df_filtrat = df.filter(df.valoare > 100)
total_valid = df_filtrat.count()
print(f"Rânduri păstrate: {total_valid} din {total_initial} ({(total_valid/total_initial)*100:.1f}%)")
Întrebări & Exemple de Cod:
Numărarea Înregistrărilor pe Cluster cu df.countAi o nelămurire despre utilizarea comenzii
Numărarea Înregistrărilor pe Cluster cu df.countsau ai descoperit un truc / fragment de cod util? Distribuie-l cu ceilalți programatori!Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau exemple de cod pentru această pagină. Dacă ai întâlnit o problemă sau ai un snippet util, adaugă-l mai jos pentru a-i ajuta pe ceilalți.