python - pyspark : Convert DataFrame to RDD[string]

Question

我想将 pyspark.sql.dataframe.DataFrame 转换为 pyspark.rdd.RDD[String]

我将 DataFrame df 转换为 RDD data:

data = df.rdd
type (data)
## pyspark.rdd.RDD 

新的 RDD data 包含 Row

first = data.first()
type(first)
## pyspark.sql.types.Row

data.first()
Row(_c0=u'aaa', _c1=u'bbb', _c2=u'ccc', _c3=u'ddd')

我想将 Row 转换为 String 列表，如下例所示:

u'aaa',u'bbb',u'ccc',u'ddd'

谢谢

Answer 1

PySpark Row 只是一个 tuple 并且可以这样使用。您在这里只需要一个带有 list 的简单 map(或者 flatMap，如果您还想展平行):

data.map(list)

或者如果您期望不同的类型:

data.map(lambda row: [str(c) for c in row])