利用PySpark统计相邻字符串对出现的次数
2021/4/12 18:58:51
本文主要是介绍利用PySpark统计相邻字符串对出现的次数,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
如有文件demo.txt数据如下:
A;B;C;D;B;D;C B;D;A;E;D;C A;B
代码如下:
from pyspark import SparkContext sc = SparkContext() rdd1 = sc.textFile('demo.txt') rdd2 = rdd1.map(lambda x: x.split(';')) def ne(x): return list(zip(*[x[i:] for i in range(2)])) rdd2.flatMap(ne).map(lambda x: (x[0] + ' , ' + x[1], 1)).reduceByKey(lambda a, b: a + b).collect()
输出结果如下:
[('A , B', 2), ('B , C', 1), ('D , B', 1), ('B , D', 2), ('D , A', 1), ('C , D', 1), ('D , C', 2), ('A , E', 1), ('E , D', 1)]
这篇关于利用PySpark统计相邻字符串对出现的次数的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?
- 2024-05-31全网首发第二弹!软考2024年5月《软件设计师》真题+解析+答案!(11-20题)
- 2024-05-31全网首发!软考2024年5月《软件设计师》真题+解析+答案!(21-30题)
- 2024-05-30【Java】百万数据excel导出功能如何实现
- 2024-05-30我们小公司,哪像华为一样,用得上IPD(集成产品开发)?
- 2024-05-30java excel上传--poi
- 2024-05-30安装笔记本应用商店的pycharm,再安排pandas等模块,说是没有打包工具?
- 2024-05-29java11新特性