【发布时间】:2017-04-04 14:15:34
【问题描述】:
我正在尝试访问 PipelineRDD 中包含的值 这是我开始的:
1. RDD = (key,code,value)
data = [(11720, (u'I50800', 0.08229813664596274)), (11720, (u'I50801', 0.03076923076923077))]
*强调文字*2。我需要它按第一个值分组并将其转换为 (key,tuple ) where tuple = (code,value)
testFeatures = lab_FeatureTuples = labEvents.select('ITEMID', 'SUBJECT_ID','NORM_ITEM_CNT')\ .orderBy('SUBJECT_ID','ITEMID')\ .rdd.map(lambda (ITEMID,SUBJECT_ID,NORM_ITEM_CNT):(SUBJECT_ID,(ITEMID,NORM_ITEM_CNT)))\ .groupByKey()
testFeatures = [(11720, [(u'I50800', 0.08229813664596274)), (u'I50801', 0.03076923076923077)])]
在元组 = (code,value) 上,我想得到以下内容:
从中创建一个 sparseVector,以便我可以将其用于 SVM 模型
结果.take(1)
【问题讨论】:
-
请正确重新格式化您的代码
标签: python vector pyspark svm rdd