问题描述
在删除停用词后,我想从文章的标题(第 2 列)(n=4)计算所有 n 组合(从每个标题我想要所有 4 个词的组合)。
>我已经创建了数据框:
df_hdfs = sc.read.option('delimiter',',').option('header','true')\.csv("/user/articles.csv")
rdd = df_hdfs.rdd.map(lambda x: (x[1]))
看起来像这样:
现在,我意识到我必须将 RDD 的每个字符串标记为单词,然后删除停用词。我需要一些关于如何执行此操作以及如何计算组合的帮助。
谢谢。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)