Eu tenho um cluster de faíscas que uso no modo local. Eu quero ler um csv com a biblioteca externa databricks spark.csv. Inicio meu aplicativo da seguinte maneira:

import os
import sys

os.environ["SPARK_HOME"] = "/home/mebuddy/Programs/spark-1.6.0-bin-hadoop2.6"

spark_home = os.environ.get('SPARK_HOME', None)
sys.path.insert(0, spark_home + "/python")
sys.path.insert(0, os.path.join(spark_home, 'python/lib/py4j-0.8.2.1-src.zip'))

from pyspark import SparkContext, SparkConf, SQLContext

try:
    sc
except NameError:
    print('initializing SparkContext...')
    sc=SparkContext()
sq = SQLContext(sc)
df = sq.read.format('com.databricks.spark.csv').options(header='true', inferschema='true').load("/my/path/to/my/file.csv")

Quando o executo, recebo o seguinte erro:

java.lang.ClassNotFoundException: Failed to load class for data source: com.databricks.spark.csv.

Minha pergunta: como posso carregar a biblioteca databricks.spark.csv DENTRO do meu código python. Eu não quero carregá-lo de fora (usando --packages) da instância.

Tentei adicionar as seguintes linhas, mas não funcionou:

os.environ["SPARK_CLASSPATH"] = '/home/mebuddy/Programs/spark_lib/spark-csv_2.11-1.3.0.jar'