有没有办法在 spark 或 pyspark 中模仿 R 的高阶（二进制）函数 shorthand 语法？
Is there a way to mimic R's higher order (binary) function shorthand syntax within spark or pyspark?
在R中，我可以这样写：
## Explicit
Reduce(function(x,y) x*y, c(1, 2, 3))
# returns 6
不过，我也可以通过以下方式不那么明确地做到这一点：
## Less explicit
Reduce(`*`, c(1, 2, 3))
# also returns 6
在 pyspark 中，我可以执行以下操作：
rdd = sc.parallelize([1, 2, 3])
rdd.reduce(lambda a, b: a * b)
问题：你能用 pyspark 或某种匿名函数模仿 R 的 Reduce('*', ...) 的 "shorthand"（不太明确）语法吗？
在 R 中，您提供了一个二元函数。乘法运算符（与所有运算符一样）实际上是一个二元函数。输入
`*`(2, 3)
看看我的意思。
在Python中，乘法等价于operator.mul。
所以：
rdd = sc.parallelize([1, 2, 3])
rdd.reduce(operator.mul)
在R中，我可以这样写：
## Explicit
Reduce(function(x,y) x*y, c(1, 2, 3))
# returns 6
不过，我也可以通过以下方式不那么明确地做到这一点：
## Less explicit
Reduce(`*`, c(1, 2, 3))
# also returns 6
在
pyspark 中，我可以执行以下操作：
rdd = sc.parallelize([1, 2, 3])
rdd.reduce(lambda a, b: a * b)
问题：你能用
pyspark 或某种匿名函数模仿 R 的 Reduce('*', ...) 的 "shorthand"（不太明确）语法吗？
在 R 中，您提供了一个二元函数。乘法运算符（与所有运算符一样）实际上是一个二元函数。输入
`*`(2, 3)
看看我的意思。
在Python中，乘法等价于operator.mul。
所以：
rdd = sc.parallelize([1, 2, 3])
rdd.reduce(operator.mul)