python - PySpark:字典类型 RDD 的迭代

Question

我有一个字典类型的 RDD:

>>> a.collect()

[{(1155718, 105): 14, (1155718, 1887): 2, (1155718, 1930): 12, (1155718, 927): 6, (1155718, 2783): 8, (1155718, 738): 4, (1155718, 952): 4, (1155718, 1196): 6, (1155718, 997): 4, (1155718, 2904): 38}]

只是为了检查:

>>> a.map(lambda x:type(x)).collect()

[< type 'dict' >]

但是我无法使用 map() 迭代 dict 类型 RDD。我尝试过:

>>> a.map(lambda x:(k,v) for k,v in x.iteritems())

令我惊讶的是，它会导致错误:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'x' is not defined

我是否遗漏了任何重要的一点。

编辑:代码没问题，除非与生成器语法相关的小错误，正确的代码应该是:

a.map(lambda x:[(k,v) for k,v in x.iteritems()])

Answer 1

我尝试过这个:

data = [{(1155718, 105): 14, (1155718, 1887): 2, (1155718, 1930): 12, (1155718, 927): 6, (1155718, 2783): 8, (1155718, 738): 4, 
         (1155718, 952): 4, (1155718, 1196): 6, (1155718, 997): 4, (1155718, 2904): 38}]

rdd = sc.parallelize(data) 
rdd.flatMap(lambda _: [(k,v) for (k,v) in _.items()]).collect()

得到了这个:

[((1155718, 105), 14),
 ((1155718, 738), 4),
 ((1155718, 2904), 38),
 ((1155718, 1887), 2),
 ((1155718, 1196), 6),
 ((1155718, 1930), 12),
 ((1155718, 927), 6),
 ((1155718, 2783), 8),
 ((1155718, 997), 4),
 ((1155718, 952), 4)]