火花 |将 numpy 数组列表转换为数据框中的列

Question

我正在尝试使用如下所示的 rdd：

[<1x24000 '' 类型的稀疏矩阵具有 10 个压缩稀疏行格式的存储元素>, . . . ]

理想情况下将其转换为如下所示的数据框：

<code>
   +-----------------+
   |  A  |  B  |   C |
   +-----------------+
   | 1.0 | 0.0 | 0.0 |
   +-----+-----+-----+
   | 1.0 | 1.0 | 0.0 |
   +-----+-----+-----+
</code>

但是，我一直收到这个：

<code>
+---------------+
|             _1|
+---------------+
|[1.0, 0.0, 0.0]|
+---------------+
|[1.0, 1.0, 0.0]|
+---------------+
</code>

我玩得很开心，因为每一行都充满了 numpy 数组。

我使用此代码从 rdd 创建数据框：

<code>res.flatMap(lambda x: np.array(x.todense())).map(list).map(lambda l : Row([float(x) for x in l])).toDF()</code>

**分解没有帮助（它把所有东西都放在同一列）

** 我尝试在生成的数据帧上使用 UDF，但我似乎无法将 numpy 数组分成单独的值。

请帮忙！

Answer 1

尝试：

.map(lambda l : Row(*[float(x) for x in l]))

火花 |将 numpy 数组列表转换为数据框中的列

pyspark | transforming list of numpy arrays into columns in dataframe

python

numpy

rdd

pyspark

spark-dataframe