Apache spark Pyspark计数标记点RDD标签的不同值

我在Spark有一个RDD。我想计算标签的所有不同值。我试试看

从pyspark.mllib.returnal导入标签点
序列数据=sc.parallelize（[LabeledPoint（1.0[1.0,0.0,3.0]）、LabeledPoint（2.0[1.0,0.0,3.0]）、LabeledPoint（1.0[1.0,0.0,3.0]））
列_数据.reduceByKey（lambda x:x.label）.collect（）

但我明白了

TypeError:“LabeledPoint”对象不可编辑

---

我使用Spark 2.1和python 2.7。谢谢您的帮助。

您只需将

标签点

转换为键值RDD，然后按键计数：

spark.version
#u'2.1.1'
从pyspark.mllib.regression导入标签点
序列数据=sc.parallelize（[LabeledPoint（1.0[1.0,0.0,3.0]）、LabeledPoint（2.0[1.0,0.0,3.0]）、LabeledPoint（1.0[1.0,0.0,3.0]））
dd=列车数据图（λx:（x.label，x.features））.countByKey（）
dd
# {1.0: 2, 2.0: 1}    

您只需将

标签点

转换为键值RDD，然后按键计数：

spark.version
#u'2.1.1'
从pyspark.mllib.regression导入标签点
序列数据=sc.parallelize（[LabeledPoint（1.0[1.0,0.0,3.0]）、LabeledPoint（2.0[1.0,0.0,3.0]）、LabeledPoint（1.0[1.0,0.0,3.0]））
dd=列车数据图（λx:（x.label，x.features））.countByKey（）
dd
# {1.0: 2, 2.0: 1}    

请提供您的data@desertnaut我用一些数据更新了我的问题，请提供你的data@desertnaut我用一些数据更新了我的问题，这解决了OP的pb。但最好有一个解释：）在这里，你可以添加这些链接作为额外的阅读：）这解决了OP的pb。但最好有一个解释：）在这里，你可以添加这些链接作为额外阅读：）