我想测试groupByKey找对象的第n个最高分
我的数据是这样的
scala> a
res176: org.apache.spark.rdd.RDD[(String, String)] = MapPartitionsRDD[263] at map at <console>:51
scala> a.take(10).foreach{println}
(data science,DN,US,28,98,SMITH,data science)
(maths,DN,US,28,92,SMITH,maths)
(chemistry,DN,US,28,94,SMITH,chemistry)
(physics,DN,US,28,88,SMITH,physics)
(data science,DN,UK,25,93,JOHN,data science)
(maths,DN,UK,25,91,JOHN,maths)
(chemistry,DN,UK,25,95,JOHN,chemistry)
(physics,DN,UK,25,90,JOHN,physics)
(data science,DN,CA,29,67,MARK,data science)
(maths,DN,CA,29,68,MARK,maths)
scala>
所以对于第一行“数据科学”的字符串是关键,“DN,美国,28,98,SMITH,数据科学”值作为字符串
现在我想找到第二个使用组最高
scala> a.groupByKey().flatMap(rec=>{ val max = rec._2.toList.map(x=>x.split(',')(3).toFloat).distinct.sortBy(x=>(-x)).zipWithIndex.filter(x=>x._2==2).toMap.keys
| rec._2.toList.filter{x=>x.split(',')(3).toFloat==max}
| }).take(15).foreach{println}
scala>
我在这里得到什么
如果我运行这个硬编码,我得到的值
scala> a.groupByKey().flatMap(rec=>{ val max = "98"
| rec._2.toList.sortBy(x=>(-x.split(',')(3).toFloat)).takeWhile(rec=> max.contains(rec.split(',')(3)))}).take(15).foreach{println}
DN,IND,26,98,XMAN,maths
DPS,US,28,98,XOMAN,chemistry
DN,US,28,98,SMITH,data science
这也给了我价值
scala> a.groupByKey().flatMap(rec=>{ rec._2.toList.map(x=>x.split(',')(3).toFloat).distinct.sortBy(x=>(-x)).zipWithIndex.filter(x=>x._2==2).map(_._1)}).take(15).foreach{println}
94.0
92.0
95.0
93.0
一些更复杂的代码给我输出
scala> a.groupByKey().flatMap(rec=>{ val max = rec._2.toList.map(x=>x.split(',')(3).toFloat).distinct.sortBy(x=>(-x)).take(1)
| rec._2.toList.sortBy(x=>(-x.split(',')(3).toFloat)).takeWhile(rec=> max.contains(rec.split(',')(3).toFloat))}).take(15).foreach{println}
DN,IND,26,98,XMAN,maths
DPS,UK,25,96,SOMK,physics
DPS,US,28,98,XOMAN,chemistry
DN,US,28,98,SMITH,data science
貌似在我使用zipwithindex一些数据类型不匹配。可有一个人帮我在这里
还有由于.toMap.keys
类型不匹配。在结果中,VAL max
是类型可迭代[浮点]的,因为方法keys
返回可迭代[A]。
该溶液的将是在head
计算结束max
的添加:
val max = rec._2.toList
.map(x => x.split(',')(3).toFloat)
.distinct
.sortBy(x => (-x))
.zipWithIndex
.filter(x => x._2 == 2)
.toMap
.keys
.head
基本上,head
将返回一个类型Float
的值。然后,此代码应至少等于比较类型x.split(',')(3).toFloat == max
。
虽然,呼吁head
是不是安全的方法。它可能会抛出一个异常,如果在你的情况下,filter
函数可以返回空列表。那么这样会抛出异常:
java.util.NoSuchElementException: next on empty iterator
一旦混凝土数据采样工作,你能想到的重构这个代码可能与设置工作。相反head
做.keys.toSet
和比较像你这样使用max.contains(rec.split(',')(3))
其他例子