PySpark:对列表中的元素进行分组

from pyspark.sql import SparkSession

# 创建SparkSession对象
spark = SparkSession.builder.appName("GroupByExample").getOrCreate()

# 创建一个包含元素的列表
data = ["apple", "banana", "orange", "apple", "banana", "orange"]

# 将列表转换为RDD
rdd = spark.sparkContext.parallelize(data)

# 使用groupBy()函数对元素进行分组
grouped_rdd = rdd.groupBy(lambda x: x)

# 打印分组结果
for key, values in grouped_rdd.collect():
    print("Key: ", key)
    print("Values: ", list(values))
    print("-----")

# 停止SparkSession对象
spark.stop()

Key:  apple
Values:  ['apple', 'apple']
-----
Key:  orange
Values:  ['orange', 'orange']
-----
Key:  banana
Values:  ['banana', 'banana']
-----