我在天蓝的Jupyter使用PySpark。我试图在数据帧上使用UDF进行测试,但是UDF没有执行。在
我的数据帧由以下人员创建:
users = sqlContext.sql("SELECT DISTINCT userid FROM FoodDiaryData")
我已经确认这个数据框填充了100行。在下一个单元中,我尝试执行一个简单的udf。在
^{pr2}$这不会产生任何输出。我本以为数据帧中的每个条目都已经打印出来了。但是,如果我简单地尝试iterateMeals('test')
,它将触发并打印“test”。我还尝试使用pyspark.sql.functions
from pyspark.sql.functions import udf
def iterateMeals(user):
print user
f_iterateMeals = udf(iterateMeals,LongType())
users.foreach(f_iterateMeals)
当我尝试此操作时,收到以下错误:
Py4JError: An error occurred while calling o461.__getnewargs__. Trace:
py4j.Py4JException: Method __getnewargs__([]) does not exist
有人能解释一下我哪里出错了吗?我需要在这个应用程序的数据帧的.foreach
内执行udf。在
您将看不到输出,因为
print
在工作节点上执行并转到相应的输出。有关完整的解释,请参见Why does foreach not bring anything to the driver program?。foreach
操作的是RDD
,而不是DataFrame
。UDFs
在此上下文中无效。相关问题 更多 >
编程相关推荐