Databricks是否有原生方法交互式展示基础R语言数据框？

问题背景 #

在Databricks平台中，通过Python、SQL、SparkR或PySpark创建的数据框，均可使用display(df)函数实现美观的交互式展示。但基础R语言创建的数据框无法使用该函数，尝试View函数也无法展示，仅能通过head或tail查看。

可复现示例 #

Python 示例（支持display交互式展示） #

%python
import pandas as pd
import numpy as np
df = pd.DataFrame(np.array([[1,2,3],[4,5,6],[7,8,9]]), columns = ['a', 'b', 'c'])
display(df)

R 示例（仅能通过head查看） #

%r
df <- data.frame(a = c(1,4,7), b = c(2,5,7), c = c(3,6,9))
head(df)

展示效果对比 #

• Python 使用display的交互式展示效果：
  
• R 数据框使用head的展示效果：
  

原生解决方案：转换为Spark DataFrame后使用display #

Databricks原生支持将基础R数据框转换为Spark DataFrame，转换后即可使用display实现交互式展示，具体步骤如下：

1. 加载SparkR库
2. 将基础R数据框转换为Spark DataFrame
3. 调用display函数

示例代码：

%r
# 加载SparkR库
library(SparkR)

# 创建基础R数据框
df <- data.frame(a = c(1,4,7), b = c(2,5,7), c = c(3,6,9))

# 转换为Spark DataFrame
spark_df <- createDataFrame(df)

# 调用display实现交互式展示
display(spark_df)

你也可以直接用SparkR创建数据框，天生支持display函数：

%r
library(SparkR)
# 直接创建Spark DataFrame
spark_df <- createDataFrame(data.frame(a = c(1,4,7), b = c(2,5,7), c = c(3,6,9)))
display(spark_df)

转换后的Spark DataFrame完全保留display的所有交互功能，包括排序、过滤、导出数据等，且对大型数据框也能很好适配。

内容的提问来源于stack exchange，提问作者Rcheologist