有人可以帮我解决我在Spark DataFrame中遇到的问题吗?
当我执行myFloatRDD.toDF()
时,出现错误:
TypeError:无法推断出类型为“float”的模式
我不明白为什么会这样...
示例:
myFloatRdd = sc.parallelize([1.0,2.0,3.0])
df = myFloatRdd.toDF()
谢谢
有人可以帮我解决我在Spark DataFrame中遇到的问题吗?
当我执行myFloatRDD.toDF()
时,出现错误:
TypeError:无法推断出类型为“float”的模式
我不明白为什么会这样...
示例:
myFloatRdd = sc.parallelize([1.0,2.0,3.0])
df = myFloatRdd.toDF()
谢谢
SparkSession.createDataFrame
用于创建DataFrame,需要传入一个RDD
或者list
类型的Row
、tuple
、list
或*对象,或者提供带有dict
DataType
的模式。尝试将浮点数转换为元组,例如:
myFloatRdd.map(lambda x: (x, )).toDF()
或者更好的是:
from pyspark.sql import Row
row = Row("val") # Or some other column name
myFloatRdd.map(row).toDF()
要从标量列表创建一个DataFrame
对象,您需要直接使用SparkSession.createDataFrame
方法,并提供一个模式***:
from pyspark.sql.types import FloatType
df = spark.createDataFrame([1.0, 2.0, 3.0], FloatType())
df.show()
## +-----+
## |value|
## +-----+
## | 1.0|
## | 2.0|
## | 3.0|
## +-----+
但对于简单的范围,最好使用SparkSession.range
:
from pyspark.sql.functions import col
spark.range(1, 4).select(col("id").cast("double"))
* 不再受支持。
** Spark SQL 还为暴露 __dict__
的 Python 对象提供了有限的模式推断支持。
*** 仅在 Spark 2.0 或更高版本中受支持。
from pyspark.sql.types import IntegerType, Row
mylist = [1, 2, 3, 4, None ]
l = map(lambda x : Row(x), mylist)
# notice the parens after the type name
df=spark.createDataFrame(l,["id"])
df.where(df.id.isNull() == False).show()
from pyspark.sql import Row
# spark - sparkSession
sc = spark.sparkContext
# Load a text file and convert each line to a Row.
orders = sc.textFile("/practicedata/orders")
#Split on delimiters
parts = orders.map(lambda l: l.split(","))
#Convert to Row
orders_struct = parts.map(lambda p: Row(order_id=int(p[0]), order_date=p[1], customer_id=p[2], order_status=p[3]))
for i in orders_struct.take(5): print(i)
#convert the RDD to DataFrame
orders_df = spark.createDataFrame(orders_struct)
from pyspark.sql import Row
# spark - sparkSession
sc = spark.sparkContext
# Load a text file and convert each line to a Row.
orders = sc.textFile("/practicedata/orders")
#Split on delimiters
parts = orders.map(lambda l: l.split(","))
#Convert to tuple
orders_struct = parts.map(lambda p: (p[0], p[1], p[2], p[3].strip()))
#convert the RDD to DataFrame
orders_df = spark.createDataFrame(orders_struct)
# The schema is encoded in a string.
schemaString = "order_id order_date customer_id status"
fields = [StructField(field_name, StringType(), True) for field_name in schemaString.split()]
schema = Struct
ordersDf = spark.createDataFrame(orders_struct, schema)
类型(字段)
from pyspark.sql import Row
myFloatRdd.map(lambda x: Row(x)).toDF()
myFloatRdd.map(lambda x: (x, )).toDF()
这个方法是如何解决问题的吗?map(lambda x: (x,))
只是把RDD对象转换成了一列行数据吗? - honeybadgerstruct
)有推理映射,但对于标量没有。 - zero323rdd.map(lambda x: (x, )).toDF(['colName'])
- ZygD