我在pyspark环境中工作,如果我有两个嵌套列表 a和b,
a=[[1,2,3],[8,9,45,0,65],[3,7,23,88],[44,77,99,100,654]]
b=[[1,3,7],[0,9,67,22,45,8,11],[23,3],[100]]
我想在python
中交叉这两个intersection_list=[[1,3],[8,9,45,0],[3,23],[100]]
,最后的计数是
list_count=[2,3,2,1]
如何在pyspark中获得此结果?
我试过了
[[[n for n in a if n in b]for x in a]for y in b]
但这并没有给我所需的 intersection_list
有没有办法用pdark中的rdd做到这一点?
答案 0 :(得分:1)
[[n for n in x if n in y] for x, y in zip(a, b)]
然而,如果子列表很大,那就更好了:
[set(x).intersection(y) for x, y in zip(a, b)]
(虽然元素的顺序丢失了)
答案 1 :(得分:1)
a=[[1,2,3],[8,9,45,0,65],[3,7,23,88],[44,77,99,100,654]]
b=[[1,3,7],[0,9,67,22,45,8,11],[23,3],[100]]
intersection_list = [list(set(x) & set(y)) for x, y in zip(a,b)]
>> [[1, 3], [8, 9, 45, 0], [3, 23], [100]]
list_count = [ len(x) for x in intersection_list ]
>> [2, 4, 2, 1]