我是Python和Spark的新手，我试图通过分隔符删除string内的值。我有一个RDD与以下行。
我想删除'_'下划线之前的所有内容，并将剩余的值保留为字符串。我尝试使用下面这样的东西，但失败了。任何帮助都是极好的。谢谢你，如果我错过任何一个菜鸟的话，我会道歉。
a.split('_')
File "<stdin>", line 1, in <module>
AttributeError: 'dict' object has no attribute 'split'
# Preferably Something Like This:
# Before
a = rdd.take(1)[1]
a
{u'bin1_11394071': 1, u'bin1_11052103': 1, u'bin1_11052101': 1}
# After
new_a.take(1)[1]
new_a
{u'11394071': 1, u'11052103': 1, u'11052101': 1}
答案 0 :(得分：0)
使用您的输入重新创建rdd，我有
rdd.take(2)
{u'bin1_11394071': 1, u'bin1_11052103': 1, u'bin1_11052101': 1}, {u'bin1_11847272': 1, u'bin1_999999': 1, u'None_11847272': 1}]
new_rdd = rdd.map(lambda x : {k.split('_')[1]:v for k,v in x.iteritems()})
new_rdd.take(2)
[{u'11394071': 1, u'11052101': 1, u'11052103': 1}, {u'999999': 1, u'11847272': 1}]
这里，第二个dict值为'bin1_11847272'，'None_11847272'作为键。在我们拆分并仅取数字部分之后，它们具有相同的值，并且字典不能有多次出现的密钥。这就是为什么在new_rdd中，我们只有2个值。你必须想出一个逻辑来处理这个问题。