使用Java將數組轉換為Spark DataFrame中的DenseVector

Question

我正在運行Spark 2.3。 我想將以下DataFrame中的列features從ArrayType轉換為DenseVector 。 我在Java中使用Spark。

+---+--------------------+
| id|            features|
+---+--------------------+
|  0|[4.191401, -1.793...|
| 10|[-0.5674514, -1.3...|
| 20|[0.735613, -0.026...|
| 30|[-0.030161237, 0....|
| 40|[-0.038345724, -0...|
+---+--------------------+

root
 |-- id: integer (nullable = false)
 |-- features: array (nullable = true)
 |    |-- element: float (containsNull = false)

我已經編寫了以下UDF但它似乎不起作用：

private static UDF1 toVector = new UDF1<Float[], Vector>() {

    private static final long serialVersionUID = 1L;

    @Override
    public Vector call(Float[] t1) throws Exception {

        double[] DoubleArray = new double[t1.length];
        for (int i = 0 ; i < t1.length; i++)
        {
            DoubleArray[i] = (double) t1[i];
        }   
    Vector vector = (org.apache.spark.mllib.linalg.Vector) Vectors.dense(DoubleArray);
    return vector;
    }
}

我希望提取以下特征作為矢量，以便可以對其進行聚類。

我也在注冊UDF，然后按如下方式進行調用：

spark.udf().register("toVector", (UserDefinedAggregateFunction) toVector);
df3 = df3.withColumn("featuresnew", callUDF("toVector", df3.col("feautres")));
df3.show();  

在運行此代碼段時，我面臨以下錯誤：

ReadProcessData $ 1無法強制轉換為org.apache.spark.sql.expressions。 UserDefinedAggregateFunction

Answer 1

問題出在如何在Spark中注冊udf 。 你不應該使用UserDefinedAggregateFunction這是不是一個udf而是udaf用於聚合。 相反，您應該做的是：

spark.udf().register("toVector", toVector, new VectorUDT());

然后使用注冊功能，使用：

df3.withColumn("featuresnew", callUDF("toVector",df3.col("feautres")));

udf本身應作如下稍微調整：

UDF1 toVector = new UDF1<Seq<Float>, Vector>(){

  public Vector call(Seq<Float> t1) throws Exception {

    List<Float> L = scala.collection.JavaConversions.seqAsJavaList(t1);
    double[] DoubleArray = new double[t1.length()]; 
    for (int i = 0 ; i < L.size(); i++) { 
      DoubleArray[i]=L.get(i); 
    } 
    return Vectors.dense(DoubleArray); 
  } 
};

---

請注意，在星火2.3+您可以創建一個階式的udf ，可以直接調用。 從這個答案 ：

UserDefinedFunction toVector = udf(
  (Seq<Float> array) -> /* udf code or method to call */, new VectorUDT()
);

df3.withColumn("featuresnew", toVector.apply(col("feautres")));