pyspark：在rdd上获取groupby的第二个元素的大小

Question

我有一个rdd，我是通过以下输入创建的：

0 1
0 2
1 2
1 3

我做了一个小组，如下所示：

rdd2 = rdd1.groupBy(lambda x: x[0])

现在rdd2会是这样的：

[(0,[1,2]),(1,[2,3])]

我的问题是，如何获得与每个元素相关的列表大小？

由于

Answer 1

您可以使用mapValues和len：

rdd2.mapValues(list).mapValues(len)