用Python編寫Spark中的if else語句，實現分支控制

一、if else語句概述

if else語句是編程中常用的一種流程控制結構，可以根據條件的不同執行不同的代碼塊。在Spark中，我們可以使用if else語句進行分支控制，根據不同條件來執行不同的計算操作。

if else語句的一般形式如下：

if condition:
    statement1
    statement2
else:
    statement3
    statement4

其中condition為判斷條件，若為真則執行if語句塊（即statement1和statement2），否則執行else語句塊（即statement3和statement4）。

二、Spark中的if else語句使用示例

在Spark中，我們可以通過Python編寫if else語句，來根據不同的條件執行不同的計算操作。

下面是一個示例代碼，它讀取一份文本數據，並根據數據中每個元素的值是否大於0，分別計算它們的平均值：

from pyspark import SparkContext

sc = SparkContext("local", "If Else Example")

data = sc.parallelize([-1, 2, 3, -4, 5, -6])
if data.filter(lambda x: x > 0).count() > 0:
    posAvg = data.filter(lambda x: x > 0).mean()
else:
    posAvg = None

if data.filter(lambda x: x  0:
    negAvg = data.filter(lambda x: x < 0).mean()
else:
    negAvg = None

print("Positive average: %s" % posAvg)
print("Negative average: %s" % negAvg)

在這個代碼中，我們首先創建了一個SparkContext對象，用於連接Spark集群。然後，我們創建了一個包含一些整數的RDD對象data，並使用filter操作過濾出其中大於0的元素和小於0的元素，並分別計算它們的平均值。如果data中存在大於0的元素，則計算posAvg的值；如果data中存在小於0的元素，則計算negAvg的值。最後，我們打印輸出posAvg和negAvg的值。

三、多條件判斷

在實際開發中，我們可能需要根據多個條件來執行不同的計算操作。在Spark中，我們可以使用多個嵌套的if else語句來實現多條件判斷。

下面是一個示例代碼，它讀取一份文本數據，並根據數據中每個元素的值是否大於0、是否為偶數，分別計算它們的平均值：

from pyspark import SparkContext

sc = SparkContext("local", "Multiple Conditions Example")

data = sc.parallelize([-1, 2, 3, -4, 5, -6])
if data.filter(lambda x: x > 0).count() > 0:
    if data.filter(lambda x: x % 2 == 0).count() > 0:
        posEvenAvg = data.filter(lambda x: x > 0).filter(lambda x: x % 2 == 0).mean()
    else:
        posEvenAvg = None
    if data.filter(lambda x: x % 2 != 0).count() > 0:
        posOddAvg = data.filter(lambda x: x > 0).filter(lambda x: x % 2 != 0).mean()
    else:
        posOddAvg = None
else:
    posEvenAvg = None
    posOddAvg = None

if data.filter(lambda x: x  0:
    if data.filter(lambda x: x % 2 == 0).count() > 0:
        negEvenAvg = data.filter(lambda x: x  0:
        negOddAvg = data.filter(lambda x: x < 0).filter(lambda x: x % 2 != 0).mean()
    else:
        negOddAvg = None
else:
    negEvenAvg = None
    negOddAvg = None

print("Positive even average: %s" % posEvenAvg)
print("Positive odd average: %s" % posOddAvg)
print("Negative even average: %s" % negEvenAvg)
print("Negative odd average: %s" % negOddAvg)

在這個代碼中，我們首先創建了一個SparkContext對象，用於連接Spark集群。然後，我們創建了一個包含一些整數的RDD對象data，並使用filter操作過濾出其中大於0的元素和小於0的元素，並分別計算它們的平均值。如果data中存在大於0的元素，則根據數據中每個元素是否為偶數，分別計算posEvenAvg和posOddAvg的值；如果data中存在小於0的元素，則根據數據中每個元素是否為偶數，分別計算negEvenAvg和negOddAvg的值。最後，我們打印輸出posEvenAvg、posOddAvg、negEvenAvg和negOddAvg的值。