创建 Spark 数据帧.无法推断类型的架构:<type 'float'> [英] Create Spark DataFrame. Can not infer schema for type: <type 'float'>

问题描述

有人可以帮我解决 Spark DataFrame 的这个问题吗?

Could someone help me solve this problem I have with Spark DataFrame?

当我执行 myFloatRDD.toDF() 时出现错误:

When I do myFloatRDD.toDF() I get an error:

TypeError: 无法推断类型的架构:type 'float'

TypeError: Can not infer schema for type: type 'float'

我不明白为什么...

示例:

myFloatRdd = sc.parallelize([1.0,2.0,3.0])
df = myFloatRdd.toDF()

谢谢

推荐答案

SparkSession.createDataFrame，在幕后使用，需要一个 RDD/list of Row/tuple/list/dict* 或 pandas.DataFrame，除非提供了带有 DataType 的架构.尝试像这样将浮点数转换为元组:

SparkSession.createDataFrame, which is used under the hood, requires an RDD / list of Row/tuple/list/dict* or pandas.DataFrame, unless schema with DataType is provided. Try to convert float to tuple like this:

myFloatRdd.map(lambda x: (x, )).toDF()

甚至更好:

from pyspark.sql import Row

row = Row("val") # Or some other column name
myFloatRdd.map(row).toDF()

要从标量列表创建 DataFrame，您必须直接使用 SparkSession.createDataFrame 并提供架构***:

To create a DataFrame from a list of scalars you'll have to use SparkSession.createDataFrame directly and provide a schema***:

from pyspark.sql.types import FloatType

df = spark.createDataFrame([1.0, 2.0, 3.0], FloatType())

df.show()

## +-----+
## |value|
## +-----+
## |  1.0|
## |  2.0|
## |  3.0|
## +-----+

但是对于一个简单的范围，最好使用 SparkSession.range:

but for a simple range it would be better to use SparkSession.range:

from pyspark.sql.functions import col

spark.range(1, 4).select(col("id").cast("double"))

<小时>

* 不再支持.

---

* No longer supported.

** Spark SQL 还提供了对暴露 __dict__ 的 Python 对象的模式推断的有限支持.

** Spark SQL also provides a limited support for schema inference on Python objects exposing __dict__.

*** 仅在 Spark 2.0 或更高版本中支持.

*** Supported only in Spark 2.0 or later.

这篇关于创建 Spark 数据帧.无法推断类型的架构:&lt;type 'float'&gt;的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！