请说明在 PySpark 中利用 filter() 方法对 RDD 进行数据筛选的具体操作方式？

回答思路

1. 【回答框架 1】filter() 是 RDD 的转换操作，接收一个返回布尔值的函数或 lambda 表达式，对每个元素进行判断，保留结果为 True 的元素，返回一个新的 RDD，原 RDD 不变。
2. 【回答框架 2】使用方式：rdd.filter(lambda x: x > 2) 或 rdd.filter(自定义函数)，其中函数参数为 RDD 中的单个元素。
3. 【回答框架 3】由于是转换操作，filter() 具有惰性特性，只有在触发动作（如 collect()、count()）时才真正执行计算。
4. 【回答框架 4】常见用于数据清洗、去除无效或异常数据，例如过滤空值或满足特定条件的记录。
5. 【关键点 1】filter() 返回新 RDD，不修改原数据。
6. 【关键点 2】filter() 是惰性转换，需要动作操作触发执行。
7. 【关键点 3】函数需返回布尔值，True 保留，False 过滤。
8. 【易错点 1】不要误将 filter() 与行动操作混淆，它不会立即执行。
9. 【易错点 2】函数逻辑需正确，避免过滤条件写反而导致数据丢失。