PySpark RDD-将秩转换为JSON

我有一个配置单元查询，它返回如下数据：

Date,Name,Score1,Score2,Avg_Score
1/1/2018,A,10,20,15
1/1/2018,B,20,20,20
1/1/2018,C,15,10,12.5
1/1/2018,D,11,12,11.5
1/1/2018,E,21,29,25
1/1/2018,F,10,21,15.5

我使用hive_context.sqlmy_query.rdd将其放入rdd。 我的最终目标是将其转换为JSON格式，并根据Avg_分数进行降序，如下所示：

Scores=
[
    {
        "Date": '1/1/2018',
        "Name": 'A',
        "Avg_Score": 15,
        "Rank":4
    },
    {
        "Date": '1/1/2018',
        "Name": 'B',
        "Avg_Score": 20,
        "Rank":2
    }
]

作为获得等级的第一步，我尝试实现，但一直遇到类似AttributeError的错误：“RDD”对象没有属性“withColumn”

---

我如何才能做到这一点？

这是因为您的工作是在RDD级别。如果您想使用DataFrameAPI，就必须使用Dataset或Dataframe。正如“给您的评论”问题中提到的，您可以删除.rdd转换并使用asDict获得最终结果

df = sc.parallelize([
  ("1/1/2018","A",10,20,15.0),
  ("1/1/2018","B",20,20,20.0),
  ("1/1/2018","C",15,10,12.5),
  ("1/1/2018","D",11,12,11.5),
  ("1/1/2018","E",21,29,25.0),
  ("1/1/2018","F",10,21,15.5)]).toDF(["Date","Name","Score1","Score2","Avg_Score"])

from pyspark.sql import Window
import pyspark.sql.functions as psf

w = Window.orderBy(psf.desc("Avg_Score"))

rddDict = (df
  .withColumn("rank",psf.dense_rank().over(w))
  .drop("Score1","Score2")
  .rdd
  .map(lambda row: row.asDict()))

结果

>>> rddDict.take(1)
[{'Date': u'1/1/2018', 'Avg_Score': 25, 'Name': u'E', 'rank': 1}]

但是，请注意使用不带分区的窗口函数时出现的警告：

18/08/13 11:44:32 WARN window.WindowExec: No Partition Defined for Window operation! Moving all data to a single partition, this can cause serious performance degradation.

---

您是否尝试过不转换为rdd并在DataFrame上操作，而Column是DataFramefunction@pault不确定我是否理解您的问题-我已经让RDDTry df=hive\u context.sqlmy\u查询删除了.rdt当您将数据帧转换为dict的RDD时，即使没有专门解决订单保存问题，这篇文章是一篇有趣且部分相关的文章