原始数据集为:
# (numbersofrating,title,avg_rating)
newRDD =[(3,'monster',4),(4,'minions 3D',5),....]
我想在newRDD中选择top N avg_ratings。我使用下面的代码,它有一个错误。
selectnewRDD = (newRDD.map(x, key =lambda x: x[2]).sortBy(......))
TypeError: map() takes no keyword arguments
预期的数据应该是:
# (numbersofrating,title,avg_rating)
selectnewRDD =[(4,'minions 3D',5),(3,'monster',4)....]
最佳答案
您可以将 top
或 takeOrdered
与 key
参数一起使用:
newRDD.top(2, key=lambda x: x[2])
或
newRDD.takeOrdered(2, key=lambda x: -x[2])
请注意,top
以降序获取元素,而 takeOrdered
以升序获取元素,因此 key
函数在这两种情况下是不同的。
关于python - Spark 选择 RDD 中的最高值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31882221/