原始檔案CSV檔案的內容如下圖所示：

peak_type代表時間段，其中morning_peak代表早高峰、evening_peak代表晚高峰、nignt_peak代表夜高峰、normal代表正常時間段。
這個問題的實質就是想將某列不同的值轉化為不同的列的問題。
解決這種問題最傳統的方式就是對peak_type不同值分別進行處理，然後進行join操作，但是這種解決辦法相當複雜並且程式碼量大，於是想看看有沒有別的更好的辦法，通過網上搜索，發現了一個叫做pivot的東西。
透視(pivot)資料功能是Spark 1.6的眾多新增特性之一，它通過使用DataFrame(目前支援Scala、Java和Python語言)建立透視表(pivot table)。透視可以視為一個聚合操作，通過該操作可以將一個(實際當中也可能是多個)具有不同值的分組列轉置為各個獨立的列。
看到pivot這個功能，大喜，迫不及待使用，只用一行程式碼就可以搞定：
  csv.groupBy("city_id","date_type").pivot("peak_type").sum("order_num")

簡單高效有木有，最終效果展現如下，滿足了我的需求。