使用pyspark更改分隔符并将其另存为HDFS中的文本文件

时间:2017-06-26 15:43:58

标签: python python-2.7 python-3.x pyspark pyspark-sql

我在HDFS中有一个输入数据文件。我将阅读该文件并执行一些验证,如下所示。执行验证后,我得到如下结果。我想将逗号的分隔符更改为' \ t'使用pyspark并将其存储在HDFS中。谁能帮我这个。 (请不要csv ans)。提前谢谢。

Validation Code:
dc = data_f.filter("age > 25").filter(data_f.mar == '"married"').groupBy("job","edu").avg("bal","age").sort(data_f.job.desc(),"edu").rdd.map(list).collect()

Result:
  [[u'"unknown"', u'"primary"', 1515.974358974359, 48.61538461538461], 
  [u'"unknown"', u'"secondary"', 1314.2045454545455, 47.84090909090909], 
  [u'"unknown"', u'"tertiary"', 2328.64, 51.84],
  [u'"unknown"', u'"unknown"', 1977.1157894736841, 51.694736842105264], 
  [u'"unemployed"', u'"primary"', 1685.6097560975609, 44.957317073170735], 
  [u'"unemployed"', u'"secondary"', 1472.3518072289157, 43.8433734939759], 
  [u'"unemployed"', u'"tertiary"', 1865.968992248062, 41.031007751937985], 
  [u'"unemployed"', u'"unknown"', 859.1875, 45.375], 
  [u'"technician"', u'"primary"', 1512.704, 47.912]]

1 个答案:

答案 0 :(得分:0)

如果您需要避免

.csv.write 

方法,您可以在rdd上使用此代码段

def concatenate_row(row):
    concatenated_row = ""
    for col in row:
        concatenated_row += str(col) + "\t"
    return concatenated_row

result = rdd.map(lambda row : concatenate_row(row))

然后只需致电

saveAsTextFile

方法