apache-spark - 未绑定(bind)方法 createDataFrame()

Question

尝试从 RDD 创建 DataFrame 时遇到错误。
我的代码:

from pyspark import SparkConf, SparkContext
from pyspark import sql


conf = SparkConf()
conf.setMaster('local')
conf.setAppName('Test')
sc = SparkContext(conf = conf)
print sc.version

rdd = sc.parallelize([(0,1), (0,1), (0,2), (1,2), (1,10), (1,20), (3,18), (3,18), (3,18)])

df = sql.SQLContext.createDataFrame(rdd, ["id", "score"]).collect()

print df

错误:

df = sql.SQLContext.createDataFrame(rdd, ["id", "score"]).collect()
TypeError: unbound method createDataFrame() must be called with SQLContext 
           instance as first argument (got RDD instance instead)

我在 Spark shell 中完成了相同的任务，其中直接的最后三行代码将打印值。我主要怀疑 import 语句，因为这是 IDE 和 Shell 之间的区别所在。

Answer 1

您需要使用 SQLContext 的实例。所以你可以尝试如下操作:

sqlContext = sql.SQLContext(sc)
df = sqlContext.createDataFrame(rdd, ["id", "score"]).collect()

更多详细信息请参见pyspark documentation .