将 Spark 数据帧转换为没有 pandas 数据帧的元组列表

Question

我有一个现有的逻辑，它将 pandas 数据帧转换为元组列表。

list(zip(*[df[c].values.tolist() for c in df])) 

其中 df 是 pandas 数据框。

有人请帮我在 pyspark 中实现没有 pandas 的相同逻辑。

Answer 1

您可以先使用方法将 转换dataframe为 an 。数据框中的A也是 a ，所以你可以：RDDrddRowtuple

rdd = df.rdd
b = rdd.map(tuple)
b.collect()

示例 DF：

df.show()
+-----+-----+
| Name|Score|
+-----+-----+
|name1|11.23|
|name2|14.57|
|name3| 2.21|
|name4| 8.76|
|name5|18.71|
+-----+-----+

后b.collect()

[('name1', 11.23), ('name2', 14.57), ('name3', 2.21), ('name4', 8.76), ('name5', 18.71)]

编辑

如果你要循环这个元组列表，你可以调用，collect()但正确的方法是toLocalIterator()