langchain_community.document_loaders.pyspark_dataframe.PySparkDataFrameLoader

class langchain_community.document_loaders.pyspark_dataframe.PySparkDataFrameLoader(spark_session: Optional[SparkSession] = None, df: Optional[Any] = None, page_content_column: str = 'text', fraction_of_memory: float = 0.1)[source]

加载`PySpark`数据框架。

使用Spark DataFrame对象进行初始化。

参数：

spark_session：SparkSession对象。 df：Spark DataFrame对象。 page_content_column：包含页面内容的列的名称。默认为”text”。 fraction_of_memory：要使用的内存分数。默认为0.1。

Methods

__init__([spark_session, df, ...])

使用Spark DataFrame对象进行初始化。

alazy_load()

一个用于文档的惰性加载器。

aload()

将数据加载到文档对象中。

get_num_rows()

获取DataFrame中“可行”行的数量

lazy_load()

一个用于加载文档内容的惰性加载器。

load()

从数据框加载。

load_and_split([text_splitter])

加载文档并分割成块。块作为文档返回。
Parameters

  • spark_session (Optional[SparkSession]) –

  • df (Optional[Any]) –

  • page_content_column (str) –

  • fraction_of_memory (float) –

__init__(spark_session: Optional[SparkSession] = None, df: Optional[Any] = None, page_content_column: str = 'text', fraction_of_memory: float = 0.1)[source]

使用Spark DataFrame对象进行初始化。

参数：

spark_session：SparkSession对象。 df：Spark DataFrame对象。 page_content_column：包含页面内容的列的名称。默认为”text”。 fraction_of_memory：要使用的内存分数。默认为0.1。

Parameters

  • spark_session (Optional[SparkSession]) –

  • df (Optional[Any]) –

  • page_content_column (str) –

  • fraction_of_memory (float) –

async alazy_load() → AsyncIterator[Document]

一个用于文档的惰性加载器。

Return type

AsyncIterator[Document]

async aload() → List[Document]

将数据加载到文档对象中。

Return type

List[Document]

get_num_rows() → Tuple[int, int][source]

获取DataFrame中“可行”行的数量

Return type

Tuple[int, int]

lazy_load() → Iterator[Document][source]

一个用于加载文档内容的惰性加载器。

Return type

Iterator[Document]

load() → List[Document][source]

从数据框加载。

Return type

List[Document]

load_and_split(text_splitter: Optional[TextSplitter] = None) → List[Document]

加载文档并分割成块。块作为文档返回。

不要覆盖此方法。应该被视为已弃用！

参数：
text_splitter: 用于分割文档的TextSplitter实例。

默认为RecursiveCharacterTextSplitter。

返回：

文档列表。

Parameters

text_splitter (Optional[TextSplitter]) –

Return type

List[Document]

Examples using PySparkDataFrameLoader