dataframe和 dataset的区别

dataframe和 dataset的区别

首先，既然你要画残差(residual)的qqplot那一定要先做回归。你没说明回归自变量和因变量都是什么，假设第二列是因变量pressure[2]，第三列是自变量pressure[3]1.回归>lm.fitqqnorm(lm.fit$res)>qqliine(lm.fit$res)提取？就直接write.table()比如你要第二列和第三列>write.table(pressure[c(2,3)],file="c:\test.txt",quote=F,row.names=F,sep="\t")第一个参数pressure[c(2,3)]是你要提取的变量第二个参数file=是你要存放的地址和文件名第三个参数quote=F是你打出来的数字都没有引号（默认是字符型）第四个参数row.names=F是不要行名称（为什么不要？自己试试就知道了）第五个参数sep="\t"每列数据之间空一个tab的距离，也就是8个字节，清晰明了。

rdd：a resilient distributed dataset (rdd), the basic abstraction in spark. rdd是一个分布式的数据集，数据分散在分布式集群的各台机器上 a dataframe is equivalent to a relational table in spark sql, and can be created using various functions in sqlcontext dataframe更像是一张关系型数据表，是一种spark独有的数据格式吧，这种格式的数据可以使用sqlcontext里面的函数