将键/值对的Pyspark解析为.csv格式
将键/值对的Pyspark解析为.csv格式
提问于 2017-08-02 15:41:58
我正在构建一个解析器，它接受"key"="value“对的原始文本文件，并使用PySpark写入tabular/..csv结构。
在我被困的地方，我可以访问函数中的键和值来构造每个csv_row，甚至可以检查键是否等于预期键(col_list)的列表，但是当我在lambda中调用函数processCsv时，我不知道如何将每个csv_row附加到用于保存.csv行最终列表的列表l_of_l的全局列表中。
如何以键/值格式遍历RDD的每个记录并解析为.csv格式？如您所见，我的最终列表(l_of_l)是空的，但是我可以在循环中得到每一行.令人沮丧。
感谢所有建议！
原始文本结构(foo.log)：
"A"="foo","B"="bar","C"="baz"
"A"="oof","B"="rab","C"="zab"
"A"="aaa","B"="bbb","C"="zzz"迄今的做法：
from pyspark import SparkContext
from pyspark import SQLContext
from pyspark.sql import Row
sc=SparkContext('local','foobar')
sql = SQLContext(sc)
# Read raw text to RDD
lines=sc.textFile('foo.log')
records=lines.map(lambda x: x.replace('"', '').split(","))
print 'Records pre-transform:\n'
print records.take(100)
print '------------------------------\n'
def processRecord(record, col_list):
csv_row=[]
for idx, val in enumerate(record):
key, value = val.split('=')
if(key==col_list[idx]):
# print 'Col name match'
# print value
csv_row.append(value)
else:
csv_row.append(None)
print 'Key-to-Column Mismatch, dropping value.'
print csv_row
global l_of_l
l_of_l.append(csv_row)
l_of_l=[]
colList=['A', 'B', 'C']
records.foreach(lambda x: processRecord(x, col_list=colList))
print 'Final list of lists:\n'
print l_of_l输出：
Records pre-transform:
[[u'A=foo', u'B=bar', u'C=baz'], [u'A=oof', u'B=rab', u'C=zab'], [u'A=aaa', u'B=bbb', u'C=zzz']]
------------------------------
[u'foo', u'bar', u'baz']
[u'oof', u'rab', u'zab']
[u'aaa', u'bbb', u'zzz']
Final list of lists:
[]回答 1
Stack Overflow用户
回答已采纳
发布于 2017-08-02 16:49:08
尝试以下功能：
def processRecord(record, col_list):
csv_row=list()
for idx, val in enumerate(record):
key, value = val.split('=')
if(key==col_list[idx]):
# print 'Col name match'
# print value
csv_row.append(value)
else:
csv_row.append(None)
# print 'Key-to-Column Mismatch, dropping value.'
return csv_row然后
colList=['A', 'B', 'C']
l_of_l = records.map(lambda x: processRecord(x, col_list=colList)).collect()
print 'Final list of lists:\n'
print l_of_l应给予
Final list of lists:
[[u'foo', u'bar', u'baz'], [u'oof', u'rab', u'zab'], [u'aaa', u'bbb', u'zzz']]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/45465322
复制相关文章
相似问题
腾讯云开发者
