如何在Python中按列将RDD拆分为RDD列表

Question

假设我们有这个RDD：

RDDs = sc.parallelize([["panda", 0], ["pink", 3]])

由于RDD现在有两列，因此要获得两个RDD，如下所示：

RDDList[0] = (["panda"], ["pink"])
RDDList[1] = ([0], [3])

以前找不到关于此主题的讨论，这是否可行？

Answer 1

您可以执行以下操作

RDDs = sc.parallelize([["panda", 0], ["pink", 3]])

cols = [0, 1]
RDDList = [(RDDs.map(lambda x: [x[col]]).collect()) for col in cols]

这应该给你

print RDDList[0]
#[['panda'], ['pink']]

print RDDList[1]
#[[0], [3]]

我希望答案是有帮助的

Answer 2

这是基于@Ramesh Maharjan答案构建的，以使其适用于任何RDD（python 3.x）

RDDList = []
for i in range(0,len(RDDs.first())):
    RDDList.append(RDDs.map(lambda x: [x[i]]).collect())

print (RDDList[0])
print (RDDList[1])

预期产量：

[['panda'], ['pink']]
[[0], [3]]