我的数据集在HDFS中可用。我正在阅读并执行过滤器操作。在
dir = sc.textFile('/datasets/DelayedFlights.csv').filter(lambda x:
int(x.split(',')[24]) == 1).map(lambda y: y.split(','))
The output of above operation is
[u'1763', u'2008', u'1', u'3', u'4', u'922.0', u'915', u'', u'1050', u'WN',
u'1069', u'N630WN', u'', u'95.0', u'', u'', u'7.0', u'SAN', u'SMF', u'480',
u'', u'12.0', u'0', u'N', u'1', u'', u'', u'', u'', u'']
[u'1911', u'2008', u'1', u'3', u'4', u'2325.0', u'1900', u'', u'2030',
u'WN', u'2092', u'N302SW', u'', u'90.0', u'', u'', u'265.0', u'SFO', u'SAN',
u'447', u'', u'11.0', u'0', u'N', u'1', u'', u'', u'', u'', u'']
[u'2651', u'2008', u'1', u'4', u'5', u'1949.0', u'1905', u'', u'1910',
u'WN', u'1403', u'N504SW', u'', u'65.0', u'', u'', u'44.0', u'BOI', u'RNO',
u'335', u'', u'11.0', u'0', u'N', u'1', u'', u'', u'', u'', u'']
用上面的hdxti要用分隔符保存文件的路径 有谁能告诉我如何在python中将分隔符从逗号改为制表符吗
实现这一点的一种方法是将RDD转换为一个数据帧,并用csv格式保存数据帧,分隔符选项设置为tab,如下所示。在
如果你不想把你的rdd转换成dataframe,请按照下面的代码片段。在
^{pr2}$数据帧方法优于上述方法。在
相关问题 更多 >
编程相关推荐