Преобразование RDD [org.apache.spark.sql.Row] в RDD [org.apache.spark.mllib.linalg.Vector]

Question

Я относительно новичок в Spark и Scala.

Я начиная со следующей dataframe (один столбец, изготовленные из плотного вектора двойников):

scala> val scaledDataOnly_pruned = scaledDataOnly.select("features") 
scaledDataOnly_pruned: org.apache.spark.sql.DataFrame = [features: vector] 

scala> scaledDataOnly_pruned.show(5) 
+--------------------+ 
|   features| 
+--------------------+ 
|[-0.0948337274182...| 
|[-0.0948337274182...| 
|[-0.0948337274182...| 
|[-0.0948337274182...| 
|[-0.0948337274182...| 
+--------------------+ 

Прямой переход к RDD дает экземпляр org.apache.spark.rdd.RDD [ org.apache.spark.sql.Row]:

scala> val scaledDataOnly_rdd = scaledDataOnly_pruned.rdd 
scaledDataOnly_rdd: org.apache.spark.rdd.RDD[org.apache.spark.sql.Row] = MapPartitionsRDD[32] at rdd at <console>:66 

кто-нибудь знает, как преобразовать этот DF к экземпляру org.apache.spark.rdd.RDD [org.apache.spark.mllib.linalg. Вектор] вместо этого? До сих пор мои различные попытки не увенчались успехом.

Благодарим вас за любые указатели!

Answer 1

Только что узнал:

val scaledDataOnly_rdd = scaledDataOnly_pruned.map{x:Row => x.getAs[Vector](0)} 

Answer 2

EDIT: использовать более сложный способ интерпретации полей в строке.

Это работает для меня

val featureVectors = features.map(row => { 
    Vectors.dense(row.toSeq.toArray.map({ 
    case s: String => s.toDouble 
    case l: Long => l.toDouble 
    case _ => 0.0 
    })) 
}) 

особенностей является DataFrame искрового SQL.

Answer 3

import org.apache.spark.mllib.linalg.Vectors 

scaledDataOnly 
    .rdd 
    .map{ 
     row => Vectors.dense(row.getAs[Seq[Double]]("features").toArray) 
    }