Python 为Spark RDD中的元素生成/插入连续数字

假设我有一个RDD，由

lines=sc.textFile（'/test.txt'）

RDD就像

['apple'，'orange'，'banana']

。然后我想生成RDD

[（0，'apple'），（1，'orange'），（2，'banana'）]

我知道这可以通过

indexed_lines=lines.zipWithIndex（）.map（lambda（x，y）：'，'.join（[str（y），x]）.collect（）来实现。

但是现在我有了另一个RDD

new_line=['菠萝'，'blueberry']

，我想

union

这两个RDD（索引_line和new_line）来构建

[（0，'apple'），（1，'orange'），（2，'banana'），（3，'菠萝'），（4，'blueberry'）]

请注意，索引行已经存在，我不想更改其中的数据

我正在尝试

zip和union

RDDs

索引=sc.parallelize（范围（3,5））
新建索引行=新建行。zip（索引）

但它打破了这个

zip

转换

知道它为什么会坏吗？有没有更聪明的方法

---

谢谢。

像这样的怎么样

offset = lines.count()
new_indexed_lines = (new_lines
  .zipWithIndex()
  .map(lambda xi: (xi[1] + offset, xi[0])))