AttributeError：「DataFrame」オブジェクトには「map」属性がありません
以下のコードを使用して、sparkデータフレームを変換して追加したかったのです。
from pyspark.mllib.clustering import KMeans
spark_df = sqlContext.createDataFrame(pandas_df)
rdd = spark_df.map(lambda data: Vectors.dense([float(c) for c in data]))
model = KMeans.train(rdd, 2, maxIterations=10, runs=30, initializationMode="random")
詳細なエラーメッセージは次のとおりです。
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-11-a19a1763d3ac> in <module>()
1 from pyspark.mllib.clustering import KMeans
2 spark_df = sqlContext.createDataFrame(pandas_df)
----> 3 rdd = spark_df.map(lambda data: Vectors.dense([float(c) for c in data]))
4 model = KMeans.train(rdd, 2, maxIterations=10, runs=30, initializationMode="random")
/home/edamame/spark/spark-2.0.0-bin-hadoop2.6/python/pyspark/sql/dataframe.pyc in __getattr__(self, name)
842 if name not in self.columns:
843 raise AttributeError(
--> 844 "'%s' object has no attribute '%s'" % (self.__class__.__name__, name))
845 jc = self._jdf.apply(name)
846 return Column(jc)
AttributeError: 'DataFrame' object has no attribute 'map'
誰かが私がここで間違ったことを知っていますか？ありがとう！
データフレームをmapすることはできませんが、データフレームをRDDに変換し、spark_df.rdd.map()を実行することでマッピングできます。 Spark 2.0より前では、spark_df.mapはspark_df.rdd.map()のエイリアスになりました。 Spark 2.0では、最初に.rddを明示的に呼び出す必要があります。