[英]issue in writing data from 2 RDDs (one with unicode data and one with normal )into a csv file in PySpark?
我有兩個RDD's
:
RDD1集:數據RDD1
是Unicode格式
[[u'a',u'b',u'c'],[u'c',u'f',u'a'],[u'ab',u'cd',u'gh']...]
RDD2:
[(10.1, 10.0), (23.0, 34.0), (45.0, 23.0),....]
這兩個RDDs
的行數均相同(但一個RDDs
在每行/記錄中具有2列/元素,而一個具有3)。 現在我想要做的是采取從所有元素RDD2
和2nd
記錄從RDD1
,並將它們寫出來的csv
本地文件系統(HDFS不)上的文件。 因此,以上示例的csv
文件中的輸出為:
a,b,c,10.0
c,f,a,34.0
ab,cd,gh,23.0
我如何在PySpark
做到這PySpark
?
更新:這是我當前的代碼:
columns_num = [0,1,2,4,7]
rdd1 = rdd3.map(lambda row: [row[i] for i in columns_num])
rdd2 = rd.map(lambda tup: (tup[0], tup[1]+ (tup[0]/3)) if tup[0] - tup[1] >= tup[0]/3 else (tup[0],tup[1]))
with open("output.csv", "w") as fw:
writer = csv.writer(fw)
for (r1, r2) in izip(rdd1.toLocalIterator(), rdd2.toLocalIterator()):
writer.writerow(r1 + tuple(r2[1:2]))
我收到錯誤,因為TypeError: can only concatenate list (not "tuple") to list
。 如果我執行writer.writerow(tuple(r1) + r2[1:2])
則會收到UnicodeEncodeError: 'ascii' codec can't encode character u'\\x80' in position 16: ordinal not in range(128)
錯誤UnicodeEncodeError: 'ascii' codec can't encode character u'\\x80' in position 16: ordinal not in range(128)
`
如果本地表示驅動程序文件系統,則可以簡單地collect
或轉換為toLocalIterator
並編寫:
import csv
import sys
if sys.version_info.major == 2:
from itertools import izip
else:
izip = zip
rdd1 = sc.parallelize([(10.1, 10.0), (23.0, 34.0), (45.0, 23.0)])
rdd2 = sc.parallelize([("a", "b" ," c"), ("c", "f", "a"), ("ab", "cd", "gh")])
with open("output.csv", "w") as fw:
writer = csv.writer(fw)
for (r1, r2) in izip(rdd2.toLocalIterator(), rdd1.toLocalIterator()):
writer.writerow(r1 + r2[1:2])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.