使用Spark加载CSV文件

Question

使用Spark加载CSV文件我是Spark的新手，我正在尝试使用Spark从文件中读取CSV数据。这就是我在做的事情：sc.textFile('file.csv')     .map(lambda line: (line.split(',')[0], line.split(',')[1]))     .collect()我希望这个调用能给我一个我文件的两个第一列的列表，但是我收到了这个错误：File "<ipython-input-60-73ea98550983>", line 1, in <lambda>IndexError: list index out of range虽然我的CSV文件不止一列。

Answer 1

你确定所有的行都至少有2列吗？你可以尝试一下，只是为了检查？：

sc.textFile("file.csv") \

    .map(lambda line: line.split(",")) \

    .filter(lambda line: len(line)>1) \

    .map(lambda line: (line[0],line[1])) \

    .collect()

或者，你可以打印罪魁祸首（如果有的话）：

sc.textFile("file.csv") \

    .map(lambda line: line.split(",")) \

    .filter(lambda line: len(line)<=1) \

    .collect()