將2個RDD（其中一個包含unicode數據，另一個具有正常）的數據寫入PySpark中的csv文件時出現問題？

Question

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) `

Answer 1

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])