Jupyter Notebooks Spark RDD拆分功能——去除括号

Question

我正在从以前的 RDD 中提取一些 "columns"，而不是想拆分第二个元素。 Spark 将其包裹在方括号中。如何将它们排成一行（解开它们，所以去掉括号）？我花了大约 10 个小时来找到解决方案......需要在不使用数据框的情况下完成。谢谢

separatedRDD =  extractedRDD.map(lambda y: (y[0],y[1].split(' ' , 1),y[2],y[3]))

separatedRDD.take(2) # get output

[(u'2014-03-15:10:10:20',
  [u'Sorrento', u'F41L'],  ############### those are brackets I am talking about...
  u'8cc3b47e-bd01-4482-b500-28f2342679af',
  u'33.6894754264'),
 (u'2014-03-15:10:10:20',
  [u'MeeToo', u'1.0'],
  u'ef8c7564-0a1a-4650-a655-c8bbd5f8f943',
  u'37.4321088904')]

Answer 1

这是一个列表，所以你只需要把它的元素一个一个地拉出来压平它（假设大小总是小到 2）：

separatedRDD.map(lambda y: (y[0], y[1][0], y[1][1], y[2])).collect()

结果：

[('2014-03-15:10:10:20',
  'Sorrento',
  'F41L',
  '8cc3b47e-bd01-4482-b500-28f2342679af'),
 ('2014-03-15:10:10:20',
  'MeeToo',
  '1.0',
  'ef8c7564-0a1a-4650-a655-c8bbd5f8f943')]

Jupyter Notebooks Spark RDD拆分功能——去除括号

Jupyter Notebooks Spark RDD split function - remove brackets

python

apache-spark

jupyter

azure-notebooks