使用Scala将org.apache.spark.mllib.linalg.Vector RDD转换为Spark中的DataFrame

Question

我有一个[Int Int Int]的org.apache.spark.mllib.linalg.Vector RDD。 我试图使用此代码将其转换为数据帧

import sqlContext.implicits._
import org.apache.spark.sql.types.StructType
import org.apache.spark.sql.types.StructField
import org.apache.spark.sql.types.DataTypes
import org.apache.spark.sql.types.ArrayData

vectrdd属于org.apache.spark.mllib.linalg.Vector类型

val vectarr = vectrdd.toArray()
case class RFM(Recency: Integer, Frequency: Integer, Monetary: Integer)
val df = vectarr.map { case Array(p0, p1, p2) => RFM(p0, p1, p2) }.toDF()

我收到以下错误

warning: fruitless type test: a value of type         
org.apache.spark.mllib.linalg.Vector cannot also be a Array[T]
val df = vectarr.map { case Array(p0, p1, p2) => RFM(p0, p1, p2) }.toDF()

error: pattern type is incompatible with expected type;
found   : Array[T]
required: org.apache.spark.mllib.linalg.Vector
val df = vectarr.map { case Array(p0, p1, p2) => RFM(p0, p1, p2) }.toDF()

我尝试的第二种方法是这样的

val vectarr=vectrdd.toArray().take(2)
case class RFM(Recency: String, Frequency: String, Monetary: String)
val df = vectrdd.map { case (t0, t1, t2) => RFM(p0, p1, p2) }.toDF()

我收到了这个错误

error: constructor cannot be instantiated to expected type;
found   : (T1, T2, T3)
required: org.apache.spark.mllib.linalg.Vector
val df = vectrdd.map { case (t0, t1, t2) => RFM(p0, p1, p2) }.toDF()

我使用此示例作为指南>> 在Spark / Scala中将RDD转换为Dataframe

Answer 1

vectarr将具有Array[org.apache.spark.mllib.linalg.Vector]类型，因此在模式匹配中，您无法匹配Array(p0, p1, p2)因为匹配的是Vector，而不是Array。

此外，您不应该执行val vectarr = vectrdd.toArray() - 这会将RDD转换为Array，然后最终调用toDF将无法工作，因为toDF仅适用于RDD。

正确的行是（假设您将RFM更改为具有双打）

val df = vectrdd.map(_.toArray).map { case Array(p0, p1, p2) => RFM(p0, p1, p2)}.toDF()

或者，等效地用val arrayRDD = vectrdd.map(_.toArray())替换val vectarr = vectrdd.toArray() （生成Array[Vector] val arrayRDD = vectrdd.map(_.toArray()) （生成RDD[Array[Double]] ）