跨单独的 RDD 对象应用 lambda 函数答案

【问题标题】：Applying lambda functions across separate RDD objects跨单独的 RDD 对象应用 lambda 函数
【发布时间】：2019-02-23 02:49:23
【问题描述】：

我有一个包含以下值的 rdd。

rdd_2 = sc.parallelize([('f3.txt', 'of', 0.0),
 ('f3.txt',
  'no',
  0.00023241396735284342),
 ('f3.txt',
  'may',
  0.00042318717429693387),
 ('f3.txt',
  'love',
  0.00036660747046705975),
 ('f3.txt',
  'romantic',
  0.00022935755451437367)])

我希望使用 lambda 函数通过单词 ('romantic', 'love') 过滤这个 RDD，这样我的结果输出是：

([('f3.txt', 'of', 0),
 ('f3.txt',
  'no',
  0),
 ('f3.txt',
  'may',
  0),
 ('f3.txt',
  'love',
  1),
 ('f3.txt',
  'romantic',
  1)])

我尝试了以下代码，但出现错误：

querylist = ['romantic', 'love']
q = rdd_2.map(lambda x : x[2]=1 if x[1] not in querylist else x[2]=0)

SyntaxError: invalid syntax

我该怎么办？

【问题讨论】：

标签： lambda pyspark rdd

【解决方案1】：

您不能在 lambda 函数中分配类似的值。而是返回一个包含修改后的值的新对象。

试试这个：

querylist = ['romantic', 'love']
q = rdd_2.map(lambda x : (x[0], x[1], 1 if x[1] not in querylist else 0))

或者等价的；

q = rdd_2.map(lambda x : (x[0], x[1], int(x[1] not in querylist)))

【讨论】：