Python 在PySpark中展平RDD

我正在尝试使用PySpark处理数据。以下是我的示例代码：

rdd = sc.parallelize([[u'9', u'9', u'HF', u'63300001', u'IN HF', u'03/09/2004', u'9', u'HF'], [u'10', u'10', u'HF', u'63300001', u'IN HF', u'03/09/2004', u'9', u'HF']]) 

out = rdd.map(lambda l : (l[0:3],str(l[3]).zfill(8)[:4],l[4:]))

out.take(2)

[([u'9', u'9', u'HF'], '6330', [u'IN HF', u'03/09/2004', u'9', u'HF']), ([u'10', u'10', u'HF'], '6330', [u'IN HF', u'03/09/2004', u'9', u'HF'])]

expected output:
[[u'9', u'9', u'HF', '6330', u'IN HF', u'03/09/2004', u'9', u'HF'], [u'10', u'10', u'HF', '6330', u'IN HF', u'03/09/2004', u'9', u'HF']]

---

有没有什么方法可以使spark中的RDD平坦化？

这里不需要spark特定的任何内容。像这样的东西应该足够了：

out = rdd.map(lambda l : (l[0:3] + [str(l[3]).zfill(8)[:4]] + l[4:])

不过，lambda内部的解构可能更具可读性。我的意思是这样的：

rdd = sc.parallelize([(1, 2, 3), (4, 5, 6)])
rdd.map(lambda (x, y, z): (x, str(y).zfill(8), z))

---

谢谢你的回复。列表包含250多个元素，我使用了8个元素作为示例。有没有更好的方法来调用lambda函数中的所有元素？在我看来，保持长列表和切片只是自找麻烦。我建议使用字典、自定义类或Spark数据帧。在Python3中，有使用

*

的高级解构选项。