我使用的是spark 1.6.0，我有一个pyspark.mllib.tree.randomforestmodel用于预测任务。我的数据格式如下：

[LabeledPoint(id1,feature),
 LabeledPoint(id2,feature),
...]

我的密码是

rfmodel = RandomForestModel.load(sc,modelpath)

我想要的是把ID和预测的标签放在一起。所以我做了以下工作，

predictions = rfmodel.predict(data_rdd.map(lambda x:x.features))
idsAndPredictions = data_rdd.map(lambda lp: lp.label).zip(predictions)

我运行这个代码，它给出了一个错误

ValueError: Can not deserialize RDD with different number of items in pair: (91, 90)

发生错误的原因是zip函数。似乎人们得到这个错误是因为没有相同长度的数据和预测。但在我的例子中，数据和预测显然有相同的长度。
我的问题是如何让这个工作，如果这是一个Spark错误，有没有其他方法来实现同样的结果？