使用spark将CSV文件读取到中pandas是实现将CSV文件读取到内存的最终目标的一种round回方法。
似乎您可能误解了此处使用的技术的用例。
Spark用于分布式计算（尽管可以在本地使用）。通常，它太重了，无法用于简单地读取CSV文件。
在您的示例中，该sc.textFile方法将简单地为您提供火花RDD，该火花RDD实际上是文本行列表。这可能不是您想要的。不会执行类型推断，因此，如果您想对CSV文件中的一列数字求和，则将无法执行，因为就Spark而言，它们仍然是字符串。
只需使用pandas.read_csv并将整个CSV读取到内存中即可。熊猫会自动推断每列的类型。Spark不会这样做。
现在回答您的问题：
：
是。toPandas()会将Spark DataFrame转换成Pandas DataFrame，它当然在内存中。
否。熊猫运行自己的计算，spark和pandas之间没有相互作用，仅存在 一些 API兼容性。
否。例如，Series对象具有interpolatePySparkColumn对象中不可用的方法。Pandas API中有很多方法和函数，而PySpark API中没有。
绝对。实际上，在这种情况下，您甚至根本不应该使用Spark。pandas.read_csv除非你是一个工作很可能会处理你的使用情况 庞大 的数据量。
尝试使用简单，技术含量低，易于理解的库来解决您的问题，并且 仅 在需要 时才 去处理更复杂的问题。很多时候，您将不需要更复杂的技术。
602392714
清零编程群