控制 python 输出到控制台

Question

我正在使用 Hadoop/MapReduce 构建电影推荐。
现在我只使用 python 来实现 MapReduce 过程。

所以我基本上做的是运行每个映射器和缩减器分别使用从映射器到缩减器的控制台输出。

我遇到的问题是 python 在终端中将值输出为字符串，因此如果我使用数字，数字将打印为字符串，这使得简化过程变得困难它的转换会增加服务器的负载。

那么我该如何解决这个问题，我正在寻求使用纯 python 而不使用第 3 方库来实现它。

import sys

def mapper():
    '''
        From Mapper1 : we need only UserID , (MovieID , rating)
        as output.
    '''

    #* First mapper

    # Read input line
    for line in sys.stdin:
        # Strip whitespace and delimiter - ','
        print line
        data = line.strip().split(',')

        if len(data) == 4:
            # Using array to print out values
            # Direct printing , makes python interpret
            # values with comma in between as tuples
            # tempout = []
            userid , movieid , rating , timestamp = data
            # tempout.append(userid)
            # tempout.append((movieid , float(rating)))
            # print tempout

            #
            print "{0},({1},{2})".format(userid , movieid , rating)

这里是 reducer 打印语句：

def reducer():

    oldKey = None
    rating_arr = []

    for line in sys.stdin:
        # So we'll recieve user, (movie,rating)
        # We need to group the tuples for unique users
        # we'll append the tuples to an array
        # Given that we have two data points , we'll split the
        # data at only first occurance of ','
        # This splits the string only at first comma

        data = line.strip().split(',',1)
        # print len(data) , data
        # check for 2 data values
        if len(data) != 2:
            continue

        x , y = data

        if oldKey and oldKey != x:

            print "{0},{1}".format(oldKey , rating_arr)
            oldKey = x
            rating_arr = []
        oldKey = x
        rating_arr.append(y)
        # print rating_arr
    if oldKey != None:
        print "{0},{1}".format(oldKey , rating_arr)

`

输入为：

671,(4973,4.5)\n671,(4993,5.0)\n670,(4995,4.0)

输出为：

671,['(4973,4.5)', '(4993,5.0)']
670,['(4995,4.0)']

我需要原样的元组，没有字符串。

Answer 1

事实是数据是一个字符串，然后拆分并分配给它 y，它仍然是一个字符串。

如果你想要元组的原始值，作为数字，你需要解析它们。

ast.literal_eval 可以提供帮助。

例如，

In [1]: line = """671,(4973,4.5)"""

In [2]:  data = line.strip().split(',',1)

In [3]: data
Out[3]: ['671', '(4973,4.5)']

In [4]: x , y = data

In [5]: type(y)
Out[5]: str

In [6]: import ast

In [7]: y = ast.literal_eval(y)

In [8]: y
Out[8]: (4973, 4.5)

In [9]: type(y)
Out[9]: tuple

In [10]: type(y[0])
Out[10]: int

现在，如果您想切换到 PySpark，您可以更好地控制 variable/object 类型，而不是使用 Hadoop Streaming 的所有字符串

控制 python 输出到控制台

Controlling python outputs to console

python

hadoop

mapreduce

hadoop-streaming