Python pyspark RDD.groupByKey用法及代码示例

本文简要介绍 pyspark.RDD.groupByKey 的用法。

用法: RDD.groupByKey(numPartitions=None, partitionFunc=<function portable_hash>)

将 RDD 中每个键的值分组到一个序列中。 Hash-partitions 带有 numPartitions 分区的 RDD。

注意：

如果您正在分组以便对每个键执行聚合(例如求和或平均)，则使用 reduceByKey 或 aggregateByKey 将提供更好的性能。

例子：

>>> rdd = sc.parallelize([("a", 1), ("b", 1), ("a", 1)])
>>> sorted(rdd.groupByKey().mapValues(len).collect())
[('a', 2), ('b', 1)]
>>> sorted(rdd.groupByKey().mapValues(list).collect())
[('a', [1, 1]), ('b', [1])]

相关用法

Python pyspark RDD.groupBy用法及代码示例
Python pyspark RDD.groupWith用法及代码示例
Python pyspark RDD.getStorageLevel用法及代码示例
Python pyspark RDD.glom用法及代码示例
Python pyspark RDD.getNumPartitions用法及代码示例
Python pyspark RDD.saveAsTextFile用法及代码示例
Python pyspark RDD.keyBy用法及代码示例
Python pyspark RDD.sumApprox用法及代码示例
Python pyspark RDD.lookup用法及代码示例
Python pyspark RDD.zipWithIndex用法及代码示例
Python pyspark RDD.sampleByKey用法及代码示例
Python pyspark RDD.coalesce用法及代码示例
Python pyspark RDD.subtract用法及代码示例
Python pyspark RDD.count用法及代码示例
Python pyspark RDD.distinct用法及代码示例
Python pyspark RDD.treeAggregate用法及代码示例
Python pyspark RDD.mapPartitionsWithIndex用法及代码示例
Python pyspark RDD.foreachPartition用法及代码示例
Python pyspark RDD.zipWithUniqueId用法及代码示例
Python pyspark RDD.sortByKey用法及代码示例
Python pyspark RDD.takeOrdered用法及代码示例
Python pyspark RDD.collectAsMap用法及代码示例
Python pyspark RDD.countApproxDistinct用法及代码示例
Python pyspark RDD.toLocalIterator用法及代码示例
Python pyspark RDD.reduceByKeyLocally用法及代码示例

注：本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.RDD.groupByKey。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。