python-PySpark-从Numpy矩阵创建DataFrame

我有一个numpy的矩阵：

arr = np.array([[2,3], [2,8], [2,3],[4,5]])

我需要从arr创建一个PySpark数据框.我无法手动输入值,因为arr的长度/值将动态变化,因此我需要将arr转换为数据帧.

我尝试以下代码未成功.

df= sqlContext.createDataFrame(arr,["A", "B"])

但是,出现以下错误.

TypeError: Can not infer schema for type: <type 'numpy.ndarray'>

解决方法:

希望这可以帮助！

import numpy as np

#sample data
arr = np.array([[2,3], [2,8], [2,3],[4,5]])

rdd1 = sc.parallelize(arr)
rdd2 = rdd1.map(lambda x: [int(i) for i in x])
df = rdd2.toDF(["A", "B"])
df.show()

输出为：

+---+---+
|  A|  B|
+---+---+
|  2|  3|
|  2|  8|
|  2|  3|
|  4|  5|
+---+---+

标签：pyspark,spark-dataframe,arrays,python,numpy
来源： https://codeday.me/bug/20191110/2013727.html