Question

我是新来的火花我想从csv文件中删除标题和最后一行

      Notes  xyz
     "id","member_id"
     "60045257","63989975",
     "60981766","65023535",

     Total amount:4444228900
     Total amount: 133826689

我想从文件中删除 Notes xyz ，总金额：4444228900 和总金额：133826689 。我已删除了第一个来自文件的行

val dfRetail = sc.textFile("file:////home/cloudera/Projects/Project3/test/test_3.csv");
var header=dfRetail.first();
var final_data=dfRetail.filter(row => row!=header);

如何删除最后一行？

Answer 1

使用zipWithIndex，然后按索引过滤：

val total = dfRetail.count();
val withoutFooter = dfRetail.zipWithIndex()
                            .filter(x => x._2 < total - 3)
                            .map (x => x._1)

它会将每一行映射到一对（行，索引）。然后你过滤这个RDD，只选择索引低于对象总数的那些 - 3 - 所以没有页脚。当您将它映射到元组的第一个元素时，对于文档行

您还可以使用mapPartitionsWithIndex：

val withoutFooter = dfRetail.mapPartitionsWithIndex { (idx, iter) => 
     val size = iter.size();
     if (idx == noOfTotalPartitions) {
         iter.take(size - 3)
     }
     else iter 
});

它以相同的方式工作，但可能更快

如何删除csv文件中的最后一行

1 个答案: