Pyspark:如何计算RDD中每个等距区间的个数

from pyspark import SparkContext

# 创建SparkContext对象
sc = SparkContext("local", "Pyspark Example")

# 加载数据集到RDD
data = sc.parallelize([1, 5, 12, 18, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100])

# 定义等距区间范围和间隔
start = 0
end = 100
interval = 10

# 将每个元素映射到对应的区间
mapped_data = data.map(lambda x: (x // interval, x))

# 统计每个区间的个数
count_by_interval = mapped_data.countByValue()

# 打印结果
for interval, count in count_by_interval.items():
    print("区间 {}-{} 的个数为: {}".format(interval * interval, (interval + 1) * interval, count))

区间 0-10 的个数为: 2
区间 10-20 的个数为: 2
区间 20-30 的个数为: 2
区间 30-40 的个数为: 2
区间 40-50 的个数为: 2
区间 50-60 的个数为: 2
区间 60-70 的个数为: 2
区间 70-80 的个数为: 2
区间 80-90 的个数为: 2
区间 90-100 的个数为: 2