摘要：pySpark RDD基本用法 RDD的全称是：Resilient Distributed Dataset （弹性分布式数据集），它有几个关键的特性： RDD是只读的，表示它的不可变性。 可以并行的操作分区集合上的所有元素。 每个RDD的内部，有5个主要特性： A list of partition 阅读全文

摘要：使用python做基本的数据处理 1.常用的基本数据结构 元组、列表、字典、集合、常用的序列函数 1.1基本操作 1.1.1 元组：逗号分开的序列值。 tup = tuple (4,5,6) tup = (4,5,6) #推荐 tup = 4,5,6 (4,5,6) 虽然对象元组中存储的对象自身是可 阅读全文