我想使用Pyspark从我尝试使用
的目录下的文件中收集所有第一行file=sc.wholeTextFiles("Location").map(lambda x: x[0]).collect()
但是这给了我目录下的文件列表。我想要一些像这样的东西让我说我有两个文件
file1.csv file2.csv
x,y,z q,r,s
1,2,3 4,5,6
a,b,c d,e,f
我想收集文件{x,y,z}和{q,r,s}的第一行。请帮助我,我怎样才能从目录下的多个文件中获取第一行
答案 0 :(得分:0)
您可以执行以下操作:
def read_firstline(filename):
with open(filename, 'rb') as f:
return f.readline()
# files is a list of filenames
rdd_of_firstlines = sc.parallelize(files).flatMap(read_firstline)