问题描述
[ (Person 1,[Cat,Dog,Cow]),(Person 2,[Cat]),(Person 3,[Cow,Chicken])]
freq_animals=[Cat,Dog]
我想在我的 RDD 中删除不在频繁动物列表中的每个人的值,即输出将是:
[ (Person 1,Dog]),[])]
知道如何更改我的 RDD 吗? 谢谢!
解决方法
您可以使用列表推导式执行 mapValues
:
rdd = sc.parallelize([("Person 1",["Cat","Dog","Cow"]),("Person 2",["Cat"]),("Person 3",["Cow","Chicken"])])
freq_animals = ["Cat","Dog"]
rdd2 = rdd.mapValues(lambda v: [i for i in v if i in freq_animals])
print(rdd2.collect())
# [('Person 1',['Cat','Dog']),('Person 2',['Cat']),('Person 3',[])]