Python 如何在PySpark中使用RDD aggregate()和groupBy()查找最大值
我试图在RDD中找到每个国家总数的最大值。作为参考,我使用的数据是这种格式的 . 我想使用Python 如何在PySpark中使用RDD aggregate()和groupBy()查找最大值,python,apache-spark,pyspark,rdd,Python,Apache Spark,Pyspark,Rdd,我试图在RDD中找到每个国家总数的最大值。作为参考,我使用的数据是这种格式的 . 我想使用rdd.aggregate(zero,seqOp,combOp)和rdd.groupBy()来解决这个问题,以便更好地理解它们是如何协同工作的 我已经用aggregate()做了很多尝试和错误,但我不明白如何构造lambda函数来计算最大值
rdd.aggregate(zero,seqOp,combOp)
和rdd.groupBy()
来解决这个问题,以便更好地理解它们是如何协同工作的
我已经用aggregate()做了很多尝试和错误,但我不明白如何构造lambda函数来计算最大值