[英]filter working in pyspark shell not spark-submit
df_filter = df.filter(〜(col('word')。isin(stop_words_list))))
df_filter.count()
27781
df.count()
31240
使用spark-submit将相同的代码提交到Spark集群时,筛选器功能无法正常工作,stop_words_list中具有col('word')的行未筛选。 为什么会这样?
修剪col('word')后,过滤器现在可以正常工作。 df_filter = df.filter(~(trim(col("word")).isin(stop_words_list)))
我仍然不知道为什么它可以在pyspark shell中工作,但不能提交火花。 它们唯一的区别是:在pyspark shell中,我使用spark.read.csv()读取文件,而在spark-submit中,我使用了以下方法。 from pyspark.sql import SparkSession
from pyspark.sql import SQLContext
session = pyspark.sql.SparkSession.builder.appName('test').getOrCreate()
sqlContext = SQLContext(session)
df = sqlContext.read.format("com.databricks.spark.csv").option('header','true').load()
我不确定两种不同的读入方法是否会导致差异。 熟悉此事的人可以澄清。
尝试使用双引号而不是单引号。
from pyspark.sql.functions import col
df_filter = df.filter(~(col("word").isin(stop_words_list))).count()
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.