PySpark SQL Recipes: With HiveQL, Dataframe and Graphframes

تحلیل داده‌ها را با PySpark SQL، فریم‌های نمودار و پردازش داده‌های نمودار با استفاده از رویکرد حل مسئله انجام دهید. این کتاب راه حل هایی را برای مشکلات مربوط به چارچوب داده، خلاصه سازی دستکاری داده ها و تجزیه و تحلیل اکتشافی ارائه می دهد. شما مهارت های خود را در تجزیه و تحلیل داده های نموداری با استفاده از graphframes بهبود خواهید داد و نحوه بهینه سازی کد PySpark SQL خود را خواهید دید.

PySpark SQL Recipes با دستور العمل هایی برای ایجاد قاب های داده از انواع مختلف منبع داده شروع می شود. ، تجمیع و خلاصه سازی داده ها و تجزیه و تحلیل داده های اکتشافی با استفاده از PySpark SQL. همچنین خواهید فهمید که چگونه می‌توانید مشکلات را در تجزیه و تحلیل گراف با استفاده از فریم‌های نمودار حل کنید.

در تکمیل این کتاب، کد آماده‌ای برای تمام وظایف PySpark SQL خود خواهید داشت، از جمله ایجاد قاب‌های داده با استفاده از داده‌ها از فایل‌های مختلف. فرمت ها و همچنین از پایگاه داده های SQL یا NoSQL.

آنچه یاد خواهید گرفت

• درک PySpark SQL و ویژگی های پیشرفته آن </ p>

• استفاده از SQL و HiveQL با PySpark SQL

• کار با جریان ساخت یافته

• بهینه سازی PySpark SQL 

• تسلط بر فریم های نمودار و پردازش گراف

این کتاب برای چه کسانی است

دانشمندان داده، برنامه نویسان Python و برنامه نویسان SQL.

Carry out data analysis with PySpark SQL, graphframes, and graph data processing using a problem-solution approach. This book provides solutions to problems related to dataframes, data manipulation summarization, and exploratory analysis. You will improve your skills in graph data analysis using graphframes and see how to optimize your PySpark SQL code.

PySpark SQL Recipes starts with recipes on creating dataframes from different types of data source, data aggregation and summarization, and exploratory data analysis using PySpark SQL. You’ll also discover how to solve problems in graph analysis using graphframes.

On completing this book, you’ll have ready-made code for all your PySpark SQL tasks, including creating dataframes using data from different file formats as well as from SQL or NoSQL databases.

What You Will Learn

• Understand PySpark SQL and its advanced features

• Use SQL and HiveQL with PySpark SQL

• Work with structured streaming

• Optimize PySpark SQL 

• Master graphframes and graph processing

Who This Book Is For

Data scientists, Python programmers, and SQL programmers.