PySpark 为 DecimalType 列创建直方图数据框

编程问答 2022-04-24

问题描述

如何为具有以下架构的单列 DataFrame 创建均匀分布的 bin 计数：

>>> df.schema
StructType(List(StructField(a,DecimalType(38,0),true)))

将数据框创建为 MWE：

from pyspark.sql import Row
from pyspark.sql.types import StructType,StructField,DecimalType
from decimal import Decimal

schema = StructType([StructField('a',True)])

df = spark.createDataFrame(
    spark.sparkContext.parallelize([Row(a=Decimal(x)) for x in range(100)]),schema
)

现在是often accepted answer：

df.select('a').rdd.flatMap(lambda x: x).histogram(10)

但它给出了一个类型错误：

类型错误：* 不支持的操作数类型：'decimal.Decimal' 和 'float'

因此十进制类型出现问题。解决问题的方法是什么，或者如何将值转换为可接受的数据类型？

解决方法

您可以使用地图强制转换为浮动：

df.select('a').rdd.flatMap(lambda x: x).map(float).histogram(10)
apache-sparkpysparkpysparkpythonrdd