apache-spark - pyspark 预期构建 ClassDict 的参数为零(对于 pyspark.mllib.linalg.DenseVector)

Question

我得到错误

expected zero arguments for construction of ClassDict (for pyspark.mllib.linalg.DenseVector)

通过尝试这个:

我有一个函数，我将其转换为 udf，用于从数据框中转换列的值。像这样:

def func(vector):
   #does something

   return Vector.dense(vector)

udfunc = udf(func, ArrayType(FloatType()))

new_df = df.withColumn("vector",func(df.vector))
new_df.show()

df.vector 列具有 denseVector 值。

有没有人有解决这个问题的想法或提示？

提前致谢

Answer 1

鉴于您提供的部分，明显的问题是您声明了不正确的返回类型。 Vector 的催化剂类型是 VectorUDT不是 ArrayType(FloatType())

from pyspark.mllib.linalg import Vectors, VectorUDT
from pyspark.sql.types import ArrayType, FloatType
from pyspark.sql.functions import udf

dummy_udf = udf(lambda _: Vectors.dense([0, 0, 0]), VectorUDT())

sc.parallelize([(Vectors.dense([1, 1, 1]), )]).toDF(["x"]).select(dummy_udf("x"))

在 Spark 2.0 及更高版本中使用 pyspark.ml.linalg实现与 pyspark.ml 的兼容性API。