spark RDD提取文件中数组用空格分开，第一个数据保持不变，第二第三数据相加，第四个数据提取中间值用“-”分开，输出打印保存

假设我们有一个文件`data.txt`，它的内容如下：

apple 1 2 2021-06-25
banana 3 4 2021-06-26
orange 5 6 2021-06-27

现在我们想要用Spark RDD提取这个文件中的数据，将第二和第三列相加，并将第四列的日期中的“-”替换为“/”，最终输出打印并保存到一个新的文件中。

以下是实现代码：

from pyspark import SparkContext, SparkConf

# 创建SparkContext
conf = SparkConf().setAppName("extract_data")
sc = SparkContext(conf=conf)

# 读取文件并创建RDD
rdd = sc.textFile("data.txt")

# 提取数据
rdd = rdd.map(lambda x: x.split(" "))  # 用空格分割每行数据，返回一个列表
rdd = rdd.map(lambda x: (x[0], int(x[1]) + int(x[2]), x[3].replace("-", "/")))  # 将第二和第三列相加，将第四列中的“-”替换为“/”

# 打印和保存结果
for item in rdd.collect():
    print(item)
rdd.saveAsTextFile("output")

运行上述代码后，输出结果为：

('apple', 3, '2021/06/25')
('banana', 7, '2021/06/26')
('orange', 11, '2021/06/27')

同时，结果也会保存到`output`文件夹中。