Pyspark 连接两个管道DRDD

我正在尝试使用PySpatt jupyter笔记本中的.join（）连接两个PipelineDRDD

第一个RDD：

primaryType.take(5)

['DECEPTIVE PRACTICE',
 'CRIM SEXUAL ASSAULT',
 'BURGLARY',
 'THEFT',
 'CRIM SEXUAL ASSAULT']

第二个RDD：

districts.take(5)
['004', '022', '008', '003', '001']

加入RDD：

rdd_joined = primaryType.join(districts)
rdd_joined.take(5)

输出：

[]

---

我做错了什么？

应该有一些唯一的键来连接这两个rdd，所以使用rdd.zipWithIndex（）为这两个rdd创建索引，然后尝试连接它们

districts.take(5)
['004', '022', '008', '003', '001']

primaryType.take(5)

['DECEPTIVE PRACTICE',
 'CRIM SEXUAL ASSAULT',
 'BURGLARY',
 'THEFT',
 'CRIM SEXUAL ASSAULT']

districts=districts.zipWithIndex()

districts.take(5)
[('004', 0), ('022', 1), ('008', 2), ('003', 3), ('001', 4)]

districts=districts.map(lambda (x,y):(y,x))

primaryType=primaryType.zipWithIndex()
primaryType=primaryType.map(lambda (x,y):(y,x))
primaryType.join(districts).map(lambda (x,y):y).take(5)

[('DECEPTIVE PRACTICE', '004'), ('CRIM SEXUAL ASSAULT', '001'), ('CRIM SEXUAL ASSAULT', '022'), ('BURGLARY', '008'), ('THEFT', '003')]

---

你不需要pairrds来执行连接吗？好吧，我想我遗漏了一些东西。。那么，预期的产出是多少呢？似乎你在用土豆加入犯罪：）顺便说一句：我想我需要为RDD中的每个元素附加唯一的键，然后加入它们？