pyspark中嵌套的group by

Question

在Spark中，我按照餐馆名称上的食品检验数据集进行分组。在下面的示例中，它是"ZED 451“。因此，关键字是"ZED 451“，值是与该餐厅相关的所有检查的列表。

(u'ZED 451', [(u'1975848', u'ZED 451', u'ZED 451', u'729-743 N CLARK ST ', u'60654', u" u'41.89574704893414'", u" u'-87.6310791667675'"), (u'1609466', u'ZED 451', u'ZED 451', u'729-743 N CLARK ST ', u'60654', u" u'41.89574704893414'", u" u'-87.6310791667675'"), (u'1139101', u'ZED 451', u'ZED 451', u'729-743 N CLARK ST ', u'60654', u" u'41.89574704893414'", u" u'-87.6310791667675'"), (u'114380', u'ZED 451', u'ZED 451', u'729-743 N CLARK ST ', u'60654', u" u'41.89574704893414'", u" u'-87.6310791667675'")])

现在，我正在尝试对这个按数据集分组的数据进行第二次分组。我想要做第二个组是在lat和long上识别"ZED 451“的相同分支。我已经尝试了所有可能的方法来做第二个group by，但都没有成功。任何关于如何在不使用Spark SQL或Spark DataFrames的情况下进行该操作的帮助都将不胜感激。

PS:我希望我的输出是这样的：

(u'ZED 451', [(u'41.89574704893414', u'-87.6310791667675'", [(u'1975848', u'ZED 451', u'ZED 451', u'729-743 N CLARK ST ', u'60654'), (u'1609466', u'ZED 451', u'ZED 451', u'729-743 N CLARK ST ', u'60654'), (u'1139101', u'ZED 451', u'ZED 451', u'729-743 N CLARK ST ', u'60654'), (u'114380', u'ZED 451', u'ZED 451', u'729-743 N CLARK ST ', u'60654')])]

在本例中，restaurants的所有实例都指向同一分支，因此有一个lat和long键，它的值是所有这些实例的列表。但在其他条目中，存在具有多个lat和long的多个分支。

谢谢你的帮助!

Answer 1

groupBy (名称，长，横)。然后是groupBy名称