Я новичок в pyspark DataFrame, и это действительно меня почему-то вызывает. Может быть, я не понимаю этого правильно.Преобразование pyspark DataFrame в LabeledPoint без отбрасывания на RDD
сказать, что у меня есть кадр
a = sqlContext.createDataFrame([[(2,3,4)],[(1,2,3)]],['things'])
данных Если я хочу, чтобы преобразовать это в LabeledPoint, мне нужно опуститься до РДА, используя функцию карты.
from pyspark.mllib.regression import LabeledPoint
def convert(x):
z = [float(y) for y in x]
return LabeledPoint(z[0], z[1:])
rdd = a.map(lambda x: convert(x['things']))
rdd.take(2)
df=rdd.toDF()
Почему я не могу использовать оператор выбора DataFrame в сочетании с UDF, как показано ниже?
from pyspark.sql.functions import udf
def convert(x):
z = [float(y) for y in x]
return LabeledPoint(z[0], z[1:])
udf_convert = udf(convert)
df = a.select(udf_convert(a['things']))
display(df)
Я получаю сообщение об ошибке, которая говорит:
org.apache.spark.SparkException: Job aborted due to stage failure: Task 6 in stage 33.0 failed 1 times, most recent failure: Lost task 6.0 in stage 33.0 (TID 101, localhost): net.razorvine.pickle.PickleException: expected zero arguments for construction of ClassDict (for pyspark.mllib.linalg.DenseVector)
спасибо. я не совсем уверен, как UDF и UDT связаны друг с другом. можете ли вы указать мне подходящие сайты для справки? – user2773013
[Пользовательская функция] (https://spark.apache.org/docs/latest/api/python/pyspark.sql.html?highlight=udf#pyspark.sql.functions.udf) работает с столбцами DataFrame. В настоящее время в pyspark нет официальной поддержки [User Defined Type] (https://spark.apache.org/docs/latest/api/python/_modules/pyspark/sql/types.html). – ShuaiYuan