我正在尝试使用3个值来减少RDD，因此，首先，我使用以下格式映射rdd
a = mytable.rdd.map(lambda w: (w.id,(w.v1,w.v2,w.v3)))
然后在下一步中使用以下代码减少它
b = a.reduceByKey(lambda a,b,c: (a[0] +','+ a[1],b[0] +','+ b[1],c[0] +','+ c[1]))
然而，我收到的错误是： TypeError :(）只需要3个参数（给定2个）
我的目标是添加该rdd的所有值，例如，如果我的rdd具有以下值：
[(id1, ('a','b','c')),(id1', ('e','f','g'))]
在reduce之后，我希望结果按此顺序排列：
[(id1, ('a,d','b,e','c,f'))]
由于
答案 0 :(得分：2)
最佳解决方案可表示为：
a.groupByKey().mapValues(lambda vs: [",".join(v) for v in zip(*vs)])
其中，初始groupByKey将数据分组到等效于：
('id1', [('a','b','c'), ('e','f','g')])
zip(*vs)将值转换为：
[('a', 'e'), ('b', 'f'), ('c', 'g')]
和join的理解联系每个元组。
reduceByKey这里真的不是正确的选择（考虑复杂性），但一般来说它需要两个参数的函数，所以lambda a, b, c: ...不会这样做。我相信你想要这样的东西：
lambda a, b: (a[0] + "," + b[0], a[1] + "," + b[1], a[2] + "," + b[2])