Pyspark RDD 收集前 163 行

Posted

技术标签:

【中文标题】Pyspark RDD 收集前 163 行【英文标题】:Pyspark RDD collect first 163 Rows 【发布时间】:2015-12-10 23:46:59 【问题描述】:

有没有办法在不转换为 df 的情况下获取 rdd 的前 163 行?

我尝试过类似newrdd = rdd.take(163) 的方法,但它会返回一个列表,而rdd.collect() 会返回整个 rdd。

有没有办法做到这一点?或者如果没有,有没有办法将列表转换为 rdd?

【问题讨论】:

【参考方案1】:

效率不是很高,但你可以zipWithIndexfilter

rdd.zipWithIndex().filter(lambda vi: vi[1] < 163).keys()

在实践中,简单的takeparallelize 更有意义:

sc.parallelize(rdd.take(163))

【讨论】:

如果我需要将行从 > 163 和小于 200 我给 vi[1] > 163 && vi[1] 它使用以下代码行:data.zipWithIndex().filter(lambda vi: (vi[1] > 163) & (vi[1]

以上是关于Pyspark RDD 收集前 163 行的主要内容,如果未能解决你的问题,请参考以下文章

pyspark的RDD代码纪录

在 PySpark 中使用 rdd.map 解压和编码字符串

将 RDD 行拆分到 Pyspark 中的不同列

pyspark:删除所有行中具有相同值的列

使用 pyspark 将 RDD 行转换为数据帧时出错

在两个 Spark RDD(在 PySpark 中)上进行半连接的正确方法是啥?