PySpark Tabula-Py Read_PDF (ERROR: No module named 'org.apache.commons')(PySpark Tabula-Py Read_PDF(错误：没有名为‘org.apache.Commons’的模块))

转载 作者：bug小助手 更新时间：2023-10-24 23:00:23 30 4

!pip install tabula-py
from tabula.io import read_pdf
import tabula
df = tabula.io.read_pdf(BytesIO(pdf_content), pandas_options={'header': None}, pages=3, stream=True)[0]

~/cluster-env/env/lib/python3.8/site-packages/tabula/io.py in __init__(self, java_options, silent)
     92 
     93         from java import lang
---> 94         from org.apache.commons import cli
     95         from technology import tabula
     96 

ModuleNotFoundError: No module named 'org.apache.commons'

30 4 0

• pyspark - 我想将数据框中的一列月份数字更改为月份名称(pyspark)

  我在数据框中有一列月份数字，想将其更改为月份名称，所以我使用了这个: df['monthName'] = df['monthNumber'].apply(lambda x: calendar.mont

• pyspark - pyspark 的控制台输入

  Pyspark 中是否有一个 input() 函数，我可以通过它获取控制台输入。如果是，请详细说明一下。 如何在 PySpark 中编写以下代码: directory_change = input("

• pyspark - pyspark 中的数据类型验证

  我们正在 pyspark 中构建数据摄取框架，并想知道处理数据类型异常的最佳方法是什么。基本上，我们希望有一个拒绝表来捕获所有未与架构确认的数据。 stringDf = sparkSession.cr

• pyspark - pyspark 数据帧中数组的访问字段

  我正在开发基于一组 ORC 文件的 spark 数据框的 sql 查询。程序是这样的: from pyspark.sql import SparkSession spark_session = Spa

• pyspark - Pyspark 数据框中的填充

  我有一个 Pyspark 数据框( 原始数据框 )具有以下数据(所有列都有 字符串 数据类型): id Value 1 103 2

• pyspark - Pyspark + Redis远程服务器

  我有一台配置了Redis和Maven的服务器 然后我执行以下sparkSession spark = pyspark .sql .SparkSession .builder .master('loca

• pyspark - pyspark 数据框的区分大小写的列删除操作？

  从一些简短的测试来看，pyspark 数据帧的列删除功能似乎不区分大小写，例如。 from pyspark.sql import SparkSession from pyspark.sql.funct

• pyspark - 将大型数组列拆分为多个列 - Pyspark

  我有: +---+-------+-------+ | id| var1| var2| +---+-------+-------+ | a|[1,2,3]|[1,2,3]| | b|[2,

• pyspark - pyspark 数据框的区分大小写的列删除操作？

  从一些简短的测试来看，pyspark 数据帧的列删除功能似乎不区分大小写，例如。 from pyspark.sql import SparkSession from pyspark.sql.funct

• pyspark - Pyspark 列的十分位数或其他分位数排名

  我有一个带有多个数字列的 pyspark DF，我想为每一列根据每个变量计算该行的十分位数或其他分位数等级。 这对 Pandas 来说很简单，因为我们可以使用 qcut 函数为每个变量创建一个新列，如

• pyspark - pyspark.mllib 中 LabeledPoint 的类型转换错误，用于在 pyspark.ml 中使用线性回归模型

  我有以下使用 pyspark.ml 包进行线性回归的代码。但是，当模型适合时，我在最后一行收到此错误消息: IllegalArgumentException: u'requirement failed

• pyspark - 使用 PySpark 读取不带引号的多行字符串平面文件

  我有一个由 | 分隔的平面文件(管道)，没有引号字符。示例数据如下所示: SOME_NUMBER|SOME_MULTILINE_STRING|SOME_STRING 23|multiline text

• pyspark - 展平 PySpark 数组中的嵌套结构

  给定如下模式: root |-- first_name: string |-- last_name: string |-- degrees: array | |-- element: struc

• pyspark - 如何在数据帧的开头移动 pyspark 数据帧的特定列

  我有一个 pyspark 数据框如下(这只是一个简化的例子，我的实际数据框有数百列): col1,col2,......,col_with_fix_header 1,2,.......,3 4,5,.

• pyspark - 使用 pyspark 将特定单词删除到数据框中

  我有一个数据框 +------+--------------------+-----------------+---- | id| titulo |tipo | formac

• pyspark - 计数数组包含 PySpark 中每个类别的字符串的次数

  我从 Spark 数组“df_spark”开始: from pyspark.sql import SparkSession import pandas as pd import numpy as np

• pyspark - 在 Pyspark 中删除行

  如何根据行号/行索引值删除 Pyspark 中的行值？ 我是 Pyspark(和编码)的新手——我尝试编码一些东西，但它不起作用。 最佳答案 您不能删除特定的列，但您可以使用 filter 或其别名

• pyspark - 计算从列表 pyspark 引用的列的乘积

  我有一个循环生成多个因子表的输出并将列名存储在列表中: | id | f_1a | f_2a | |:---|:----:|:-----| |1 |1.2 |0.95 | |2 |0.7

• pyspark - 在 pyspark 中的案例总和

  我正在尝试将 hql 脚本转换为 pyspark。我正在努力如何在 groupby 子句之后的聚合中实现 case when 语句的总和。例如。 dataframe1 = dataframe0.gro

• pyspark - 获取数组 Pyspark 中的第一个元素

  我想添加新的 2 列值服务 arr 第一个和第二个值 但我收到错误: Field name should be String Literal, but it's 0; production_targe