14
我想火花數據幀轉換使用以下代碼來添加:AttributeError的:「數據幀」對象沒有屬性「地圖」
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")
詳細的錯誤信息是:
---------------------------------------------------------------------------
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'
有人知道我在這裏做錯了嗎?謝謝!
請記住,MLLIB是圍繞RDD構建的,而ML通常是圍繞數據框構建的。由於你似乎在使用Spark 2.0,我建議你從ML中查找KMeans:https://spark.apache.org/docs/latest/ml-clustering.html – Jeff
@JeffL:我檢查了ml,我注意到輸入必須是數據集,而不是數據框。所以我們需要做另一層轉換來將數據框轉換爲數據集才能使用ml? – Edamame
我不再100%清楚這個區別,儘管在Python中我相信它幾乎沒有實際意義。事實上,如果您瀏覽github代碼,則在1.6.1中,各種數據框方法位於數據框模塊中,而在2.0中,這些相同方法位於數據集模塊中,並且沒有數據框模塊。所以我不認爲你會面對數據框和數據集之間的任何轉換問題,至少在Python API中。 – Jeff