Python pyspark RDD.groupByKey用法及代碼示例

本文簡要介紹 pyspark.RDD.groupByKey 的用法。

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

將 RDD 中每個鍵的值分組到一個序列中。 Hash-partitions 帶有 numPartitions 分區的 RDD。

注意：

如果您正在分組以便對每個鍵執行聚合(例如求和或平均)，則使用 reduceByKey 或 aggregateByKey 將提供更好的性能。

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])]

相關用法

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

注：本文由純淨天空篩選整理自spark.apache.org大神的英文原創作品 pyspark.RDD.groupByKey。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。