Spark中DataFrame的()方法是进行分组查询

Spark创建DataFrame对象方式有() 扩展库pandas中DataFrame对象groupby()方法的参数as_index=False时用来设置分组的列中的数据不作为结果DataFrame对象的index 字段检索中的AU=JACK.SPARK，含义是查询出版单位是JACK SPARK的图书 SparkSQL是Spark用来处理结构化数据的一个模块，它提供了一个编程抽象叫做DataFrame并且作为分布式SQL查询引擎的作用 中国大学MOOC: Spark的组件中，用于做查询分析的是（） 扩展库pandas中DataFrame结构的diff()对象支持进行数据差分，返回新的DataFrame对象。 在Access中，select查询时,若要进行分组,则必须使用的子句是（） Spark GraphX中类Graph的aggregateMessages方法可以()。 Spark GraphX中类Graph的reverse方法可以() Spark GraphX中类Graph的joinVertices方法可以()。 对查询结果进行分组的关键字是 分组查询是在查询语句中使用（）子句，对查询结果执行分组操作。 分组查询是在查询语句中使用（）子句，对查询结果执行分组操作。 下面（）语句用于对查询结果进行分组 分组查询中应注意的问题是？（） 给定df是一个DataFrame对象，对df所有字段进行描述性统计，可以利用的方法为（） Spark GraphX中类Graph的collectNeighborIds(edgeDirection： EdgeDirection)方法可以() 扩展库pandas支持使用Python字典直接创建DataFrame对象，此时字典中的“键”将作为DataFrame中的columns。 使用扩展库pandas中DataFrame对象的iloc方法访问数据时，可以使用DataFrame的index标签，也可以使用整数序号来指定要访问的行和列。 扩展库pandas中DataFrame对象的drop_duplicates()方法可以用来删除重复的数据