使用Scala的Spark API来读取Hadoop中的CSV文件并创建DataFrame对象

好的，以下是使用Scala的Spark API读取Hadoop中的CSV文件并创建DataFrame对象的示例代码：

import org.apache.spark.sql.{SparkSession, DataFrame}
import org.apache.spark.sql.types._

val spark = SparkSession.builder()
  .appName("Read CSV from Hadoop")
  .getOrCreate()

// 定义Schema
val schema = StructType(
  Array(
    StructField("id", IntegerType, true),
    StructField("name", StringType, true),
    StructField("age", IntegerType, true),
    StructField("gender", StringType, true),
    StructField("salary", DoubleType, true)
  )
)

// 读取CSV文件并创建DataFrame对象
val df: DataFrame = spark.read
  .schema(schema)
  .option("header", "true")
  .csv("hdfs://path/to/your/csv/file.csv")

// 打印DataFrame中的数据
df.show()

在这个示例中，我们首先定义了一个Schema，然后使用`spark.read`方法读取CSV文件并指定了Schema。使用`option`方法可以设置读取选项，如header选项用于指定CSV文件是否包含列名。最后，使用`df.show()`方法打印DataFrame中的数据。

需要注意的是，需要将`hdfs://path/to/your/csv/file.csv`替换为实际的Hadoop文件路径。另外，还需要确保运行这段代码的节点上已经安装了Spark和Hadoop，并且能够访问Hadoop集群中的文件。