Gegevens laden in de PySpark-shell

In PySpark drukken we onze berekeningen uit via bewerkingen op gedistribueerde collecties die automatisch over het cluster worden geparallelliseerd. In de vorige oefening zag je een voorbeeld van het laden van een lijst als geparallelliseerde collecties en in deze oefening laad je de gegevens uit een lokaal bestand in de PySpark-shell.

Onthoud dat je al een SparkContext sc en een variabele file_path (dit is het pad naar het bestand README.md) in je werkruimte hebt.