AttributeError: l'objet 'DataFrame' n'a pas d'attribut 'map'

je voulais convertir le cadre de données spark pour ajouter en utilisant le code ci-dessous:

from pyspark.mllib.clustering import KMeans
spark_df = sqlContext.createDataFrame(pandas_df)
rdd = spark_df.map(lambda data: Vectors.dense([float(c) for c in data]))
model = KMeans.train(rdd, 2, maxIterations=10, runs=30, initializationMode="random")

le message d'erreur détaillé est:

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-11-a19a1763d3ac> in <module>()
      1 from pyspark.mllib.clustering import KMeans
      2 spark_df = sqlContext.createDataFrame(pandas_df)
----> 3 rdd = spark_df.map(lambda data: Vectors.dense([float(c) for c in data]))
      4 model = KMeans.train(rdd, 2, maxIterations=10, runs=30, initializationMode="random")

/home/edamame/spark/spark-2.0.0-bin-hadoop2.6/python/pyspark/sql/dataframe.pyc in __getattr__(self, name)
    842         if name not in self.columns:
    843             raise AttributeError(
--> 844                 "'%s' object has no attribute '%s'" % (self.__class__.__name__, name))
    845         jc = self._jdf.apply(name)
    846         return Column(jc)

AttributeError: 'DataFrame' object has no attribute 'map'
<!-Est-ce que quelqu'un sait ce que j'ai fait de mal ici? Merci!

20
demandé sur zero323 2016-09-16 18:44:46

1 réponses

Vous ne pouvez pas map une dataframe, mais vous pouvez convertir la dataframe en RDD et la mapper en faisant spark_df.rdd.map(). Avant Spark 2.0,spark_df.map alias spark_df.rdd.map(). Avec Spark 2.0, vous devez explicitement appeler .rdd en premier.

47
répondu David 2016-09-16 16:28:47