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