1
这个问题出现以及踏过我开始寻求帮助,但我还没有找到一个解决办法。事实上,你可能会发现你看到的可能的重复数,但我想我把它们都试过在最后几个小时。据我所知,sqlContext将在这里做的伎俩,但我接受任何有效的答案。我使用的Spark 2.1从RDD管道DF Pyspark
我开始与我从MongoDB的向下拉动的ID列表。 输出示例:
[u'182028', u'161936', u'12333', u'120677']
'rated_game_ids_lst type:' <type 'list'>
我然后继续前进,试图创造,我要变成一个DF的RDD:
user_unrated_games = ugr_rdd.filter(lambda x: x[1] not in rated_game_ids_lst).map(lambda x: (19, x[1], x[2]))
输出示例:
'user_unrated_games:' [(19, u'174430', 3.4), (19, u'169786', 3.4)]
'user_unrated_games type:' <class 'pyspark.rdd.PipelinedRDD'>
和样本我以上使用urg_rdd(第一行):
'ugr_rdd:'[Row(user_id=5, game_id=u'182028', rating=9.15)]
'ugr_rdd_type:' pyspark.rdd.RDD
我再试试这个:
df = sqlContext.createDataFrame(user_unrated_games, ['user_id', 'game_id', 'rating'])
这种方法失败,所以我尝试这样做:
user_unrated_games = ugr_rdd.filter(lambda x: x[1] not in rated_game_ids_lst).map(lambda x: Row(user_id=19, game_id=x[1], rating= x[2]))
输出示例:
('user_unrated_games type:', <class 'pyspark.rdd.PipelinedRDD'>)
('user_unrated_games:', [Row(game_id=u'174430', rating=3.4, user_id=19), Row(game_id=u'169786', rating=3.4, user_id=19)])
,然后这样的:
df = sqlContext.createDataFrame(user_unrated_games)
这两个尝试分给这个错误:
IllegalArgumentException: u"Error while instantiating 'org.apache.spark.sql.hive.HiveSessionState':"
从那里,我开始尝试改变类型的“USER_ID”的组合等,试图传递RDD原样,试图在我的管道转换为RDD ......坦率地说我尝试了很多东西,但是上面的两个看起来最接近似乎为其他人工作的东西。
请注意这里重要的一点:要转换的rdd中的变量类型需要与您传递给createDataFrame的模式相匹配 – Jomonsugi