大佬教程收集整理的这篇文章主要介绍了PySpark 过滤元素列表,然后合并回来,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
我的 rdd
包含一对 IDs
和 List
项。例如,每个项目都类似于 (1,[a,b,c])
。我需要对此项应用 filter
。假设我不想要 List
上的 。
我目前的方法是使用 flatMapValues
将项目分解为键值对。 filter
它们并使用 groupByKey
将它们合并回 (1,[b,c])
。
在我做了一些研究之后,当数据量很大时,groupByKey
似乎很糟糕。此外,似乎我正在分解 List
,他们在 List
之后将其合并回来似乎是多余的。有没有办法在不破坏 array
并merge
返回的情况下完成此操作?
您可以将列表推导式与 mapValues
结合使用:
rdd2 = rdd1.mapValues(lambda l: [i for i in l if i != 'a'])
以上是大佬教程为你收集整理的PySpark 过滤元素列表,然后合并回来全部内容,希望文章能够帮你解决PySpark 过滤元素列表,然后合并回来所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。