Python pyspark:timesteps的rdd操作

我有一个文件格式如下：

0, Alpha,-3.9, 4, 2001-02-01 08:00:00, 5, 20
0, Beta, -3.8, 3, 2001-02-01 08:15:00, 6, 21
1, Gamma,-3.7, 8, 2001-02-01 08:30:00, 7, 22
0, Alpha,-3.5, 4, 2001-02-01 08:45:00, 8, 23
0, Alpha,-3.9, 4, 2001-02-01 09:00:00, 8, 27
0, Gamma,-3.5, 5, 2001-02-01 09:15:00, 6, 21

等等。。。 我对给定的

Alpha/Beta/Gamma

在

08:00:00到09:00:00

之间的时间间隔内，每个原始数据中第5个元素的

之和感兴趣。我只希望在08:00:00到09:00:00之间使用基于
rdd
的操作得到以下结果

Alpha 21
Beta 6
Gamma 7

这就是我目前所做的

rdd = sc.textFile(myDataset)
newrdd = rdd.map(myFun) # myFun process each line 
filterrdd = newrdd.filter(lambda e : e[4].startswith('2001-02-01') )

但我不知道如何继续。或者至少无法找到一种仅使用基于
rdd
的操作来解决它的简单方法
 要按08:00:00-09:00:00（包括）之间的时间进行筛选，只需确保此字符串的时间部分以
08:
或
09:00:00
开头，因此筛选函数可以是
e[4].split（）[1].startswith（'08:'，'09:00:00'）
。然后可以执行常规的RDD reduceByKey（）等操作

谢谢jxc。这很有帮助。如果我想在一小时内从08:00到12:00:00进行此操作，我应该如何修改？@Mass17，在一小时内
是什么意思，您可以添加一个具有预期结果的示例吗？从08:00:00到12:00:00，然后
（'08'或转换为datetime.time对象以处理任何时间范围。我的意思是[（'Alpha'，），（'Beta'，），（'Gamma'，）]在8-9之间，在9-10之间，[（'Alpha'，*），（'Beta'，），（'Gamma'，）]，在10-11之间，[（'Alpha'，*），（'Beta'，），（'Gamma'，*），等等。。
newrdd.filter(lambda e: e[4].split()[1].startswith(('08:', '09:00:00'))) \
      .map(lambda e: (e[1], int(e[5]))) \
      .reduceByKey(lambda x,y: x+y) \
      .collect()
#[(' Alpha', 21), (' Beta', 6), (' Gamma', 7)]