将嵌入在Dataframe中的Row RDD转换为List

Question

IPYNB

我有Dataframe user_recommended，如图所示。 recommendations列是PySpark RDD，如下所示：

In[10]: user_recommended.recommendations[0]
Out[10]: [Row(item=0, rating=0.005226806737482548),
         Row(item=23, rating=0.0044402251951396465),
         Row(item=4, rating=0.004139747936278582)]

我想将recommendations RDD转换为Python List。

是否有一个脚本可以帮助我将recommendations Dataframe中的user_recommended列（请注意它的类型为pandas.core.frame.DataFrame）转换为列表。

Answer 1

我想你想这样做

from pyspark.sql import Row

my_rdd = sc.parallelize([Row(item=0, rating=0.005226806737482548),
         Row(item=23, rating=0.0044402251951396465),
         Row(item=4, rating=0.004139747936278582)])
my_rdd.collect()
new_rdd = my_rdd.map(lambda x: (x[0], x[1]))
new_rdd.collect()

Answer 2

另一种略有不同的方法。在我看来，这个值的价值在于它更容易推广到具有2个以上元素的Rows。此外，值得注意的是，您在问题中预览的数据结构是Pandas DF，其列由PySpark Row数据结构列表组成，实际上并不是RDD。

from pyspark.sql import Row

# recreate the individual entries of the recommendation column
# these are lists of pyspark Row data structures
df_recommend = pd.DataFrame({'recommendations': (
[Row(item=0, rating=0.005226806737482548),
         Row(item=23, rating=0.0044402251951396465),
         Row(item=4, rating=0.004139747936278582)],)})

# now extract the values using the asDict method of the Row 
df_recommend['extracted_values'] = (
    df_recommend['recommendations']
    .apply(lambda recs: [list(x.asDict().values()) for x in recs])
)