将RDD [org.apache.spark.sql.Row]转换为RDD [org.apache.spark.mllib.linalg.Vector]

Question

我对Spark和Scala相对较新。

我开始用下面的数据帧（单柱做出来双打的致密载体的）：

scala> val scaledDataOnly_pruned = scaledDataOnly.select("features") 
scaledDataOnly_pruned: org.apache.spark.sql.DataFrame = [features: vector] 

scala> scaledDataOnly_pruned.show(5) 
+--------------------+ 
|   features| 
+--------------------+ 
|[-0.0948337274182...| 
|[-0.0948337274182...| 
|[-0.0948337274182...| 
|[-0.0948337274182...| 
|[-0.0948337274182...| 
+--------------------+ 

直转化为RDD产生org.apache.spark.rdd.RDD的一个实例[ org.apache.spark.sql.Row]：

scala> val scaledDataOnly_rdd = scaledDataOnly_pruned.rdd 
scaledDataOnly_rdd: org.apache.spark.rdd.RDD[org.apache.spark.sql.Row] = MapPartitionsRDD[32] at rdd at <console>:66 

有谁知道如何将这种DF转换为org.apache.spark.rdd.RDD [org.apache.spark.mllib.linalg的一个实例。而不是？迄今为止，我的各种尝试都失败了。

预先感谢您的任何指示！

Answer 1

刚刚发现：

val scaledDataOnly_rdd = scaledDataOnly_pruned.map{x:Row => x.getAs[Vector](0)} 

Answer 2

编辑：使用更复杂的方式来解释的行字段。

这对我来说

val featureVectors = features.map(row => { 
    Vectors.dense(row.toSeq.toArray.map({ 
    case s: String => s.toDouble 
    case l: Long => l.toDouble 
    case _ => 0.0 
    })) 
}) 

功能运作是火花SQL的数据帧。

Answer 3

import org.apache.spark.mllib.linalg.Vectors 

scaledDataOnly 
    .rdd 
    .map{ 
     row => Vectors.dense(row.getAs[Seq[Double]]("features").toArray) 
    }