Python 将生成的TFIDF稀疏向量链接到Spark中的原始文档

我正在使用Spark和Python计算TFIDF，使用以下代码：

    hashingTF = HashingTF()
    tf = hashingTF.transform(documents)
    idf = IDF().fit(tf)
    tfidf = idf.transform(tf)
    for k in tfidf.collect(): 
      print(k)

对于三个文档，我得到了以下结果：

    (1048576,[558379],[1.43841036226])
    (1048576,[181911,558379,959994],  [0.287682072452,0.287682072452,0.287682072452])
    (1048576,[181911,959994],[0.287682072452,0.287682072452])

---

假设我有数千个文档，如何将生成的TFIDF稀疏向量链接到原始文档，知道我不关心将哈希键反转为原始项。

因为

文档和
TFIDF
具有相同的形状（分区数、每个分区的元素数）而且没有需要洗牌的操作，您只需
zip
两个RDD即可：

documents.zip(tfidf)

反转哈希是不可能的。
我可以控制分区的数量，但如何控制每个分区的元素数量？您不能。好。。。您可以应用不同的低级转换，但无法直接实现。这就是为什么
zip
仅适用于像这样的有限情况。否则你需要唯一的标识符和连接。啊，标识符和连接，这对我来说是一个很好的观点，我的文档中有一个标识符。但是我如何强制执行上面的代码以将其包含在tfidf RDD中？