目前有如下数据集(上传到HDFS的 /data/data.txt): 张三-北京 李四-上海 王五-北京 赵六-广州 田七-深圳 周八-武汉 李九-杭州 最终结果转换为: [(张三,北京),(李四,上海),(王五,北京),(赵六,广州),(田七,深圳),(周八,武汉),(李九,杭州)]

您可以使用以下代码将数据集转换为目标格式：

import re

# 从HDFS读取数据集
with open('/data/data.txt', 'r') as f:
    data = f.read()

# 提取姓名和城市信息并转换为目标格式
pattern = r'(\w+)-(\w+)'
result = re.findall(pattern, data)
final_result = [(name, city) for name, city in result]

print(final_result)

这段代码会从HDFS中读取数据集文件`/data/data.txt`，然后使用正则表达式提取姓名和城市信息。最后，将提取的结果转换为目标格式，即将姓名和城市组成元组，并存储在`final_result`列表中。最后，打印输出`final_result`即可得到最终结果。