[英]pyspark error: AttributeError: 'SparkSession' object has no attribute 'parallelize'
[英]Pyspark ML error object has no attribute map
下面是我的数据框和代码
df=
a b c d
1 3 10 110
2 5 12 112
3 6 17 112
4 8 110 442
下面是我的代码
spark =SparkSession.builder.appName('dev_member_validate_spark').config('spark.sql.crossJoin.enabled','true').getOrCreate()
sqlCtx=SQLContext(spark)
from pyspark.ml.linalg import DenseVector
from pyspark.mllib.regression import LabeledPoint
temp = df.select("a","b").map(lambda line:LabeledPoint(line[0],[line[1:]]))
当我执行temp =行时,出现以下错误
Error:Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/opt/cloudera/parcels/SPARK2-2.1.0.cloudera1-
1.cdh5.7.0.p0.120904/lib/spark2/python/pyspark/sql/dataframe.py", line 964, in __getattr__
"'%s' object has no attribute '%s'" % (self.__class__.__name__, name))
AttributeError: 'DataFrame' object has no attribute 'map'
我正在将pyspark 2.1与Cloudera 5.10一起使用
我正在参考链接来做上面的脚本:
https://databricks.com/product/getting-started-guide/machine-learning
请帮助我解决此问题。
那是因为Dataframe根本没有'map'属性。 在Spark 2.0之前,它已经存在,但现在已经不存在了。 Databricks并未更新本教程。 您可以通过转换为rdd来映射 ,即df.rdd
首先请注意:有两个单独的ML库:第一个(您已从中导入线性代数库)是pyspark.ml 。 第二个是pyspark.mllib ,从中导入LabelPoint
。
试图互操作这两个包是一条充满痛苦的道路。 尝试坚持下去,并坚持下去。
第二,关于例外情况: temp = df.select("a","b").map(...)
df
是一个DataFrame
,它没有map
方法。
但是,请采纳我的第一个建议-不要混合使用mllib和ml模块。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.