arrays - Spark 错误 :expected zero arguments for construction of ClassDict (for numpy. core.multiarray._reconstruct)

Question

我在 Spark 中有一个数据框，其中一列包含一个数组。现在，我编写了一个单独的 UDF，它将数组转换为另一个数组，其中只有不同的值。请参见下面的示例:

例如: [24,23,27,23] 应该转换为 [24, 23, 27]
代码:

def uniq_array(col_array):
    x = np.unique(col_array)
    return x
uniq_array_udf = udf(uniq_array,ArrayType(IntegerType()))

Df3 = Df2.withColumn("age_array_unique",uniq_array_udf(Df2.age_array))

在上面的代码中， Df2.age_array是我在其上应用 UDF 以获得不同列的数组 "age_array_unique"它应该只包含数组中的唯一值。

但是，只要我运行命令 Df3.show() ，我得到错误:

net.razorvine.pickle.PickleException: expected zero arguments for construction of ClassDict (for numpy.core.multiarray._reconstruct)

谁能让我知道为什么会这样？

谢谢!

Answer 1

问题的根源在于从 UDF 返回的对象不符合声明的类型。 np.unique不仅返回numpy.ndarray但也将数字转换为相应的NumPy类型 which are not compatible与 DataFrame API。你可以尝试这样的事情:

udf(lambda x: list(set(x)), ArrayType(IntegerType()))

或者这个(保持秩序)

udf(lambda xs: list(OrderedDict((x, None) for x in xs)), 
    ArrayType(IntegerType()))

反而。

如果你真的想要 np.unique你必须转换输出:

udf(lambda x: np.unique(x).tolist(), ArrayType(IntegerType()))