pyspark：NameError：名字「火花」是沒有定義

Question

我複製從公文網站pyspark.ml例如： http://spark.apache.org/docs/latest/api/python/pyspark.ml.html#pyspark.ml.Transformer

data = [(Vectors.dense([0.0, 0.0]),), (Vectors.dense([1.0, 1.0]),),(Vectors.dense([9.0, 8.0]),), (Vectors.dense([8.0, 9.0]),)] 
df = spark.createDataFrame(data, ["features"]) 
kmeans = KMeans(k=2, seed=1) 
model = kmeans.fit(df) 

然而，上面的例子將無法運行，並給了我以下錯誤：

--------------------------------------------------------------------------- 
NameError         Traceback (most recent call last) 
<ipython-input-28-aaffcd1239c9> in <module>() 
     1 from pyspark import * 
     2 data = [(Vectors.dense([0.0, 0.0]),), (Vectors.dense([1.0, 1.0]),),(Vectors.dense([9.0, 8.0]),), (Vectors.dense([8.0, 9.0]),)] 
----> 3 df = spark.createDataFrame(data, ["features"]) 
     4 kmeans = KMeans(k=2, seed=1) 
     5 model = kmeans.fit(df) 

NameError: name 'spark' is not defined 

需要設置哪些其他配置/變量才能運行示例？

Answer 1

既然你打電話createDataFrame()，你需要這樣做：

df = sqlContext.createDataFrame(data, ["features"]) 

，而不是這樣的：

df = spark.createDataFrame(data, ["features"]) 

spark站在那裏爲sqlContext。

---

一般情況下，有些人有，作爲sc，因此，如果沒有工作，你可以嘗試：

df = sc.createDataFrame(data, ["features"]) 

Answer 2

您可以添加

from pyspark.context import SparkContext 
from pyspark.sql.session import SparkSession 
sc = SparkContext('local') 
spark = SparkSession(sc) 

到的開頭你的代碼來定義一個SparkSession，然後spark.createDataFrame()應該工作。