1

我在 Azure 上的 Jupyter 中使用 PySpark。我正在尝试在数据帧上使用 UDF 进行测试，但是 UDF 没有执行。

我的数据框由以下人员创建：

users = sqlContext.sql("SELECT DISTINCT userid FROM FoodDiaryData")

我已经确认这个数据框填充了 100 行。在下一个单元格中，我尝试执行一个简单的 udf。

def iterateMeals(user):
    print user

users.foreach(iterateMeals)

这不会产生任何输出。我本来希望数据框中的每个条目都已打印出来。但是，如果我只是尝试iterateMeals('test')它会触发并打印“测试”。我也尝试过使用pyspark.sql.functions

from pyspark.sql.functions import udf

def iterateMeals(user):
    print user
f_iterateMeals = udf(iterateMeals,LongType())

users.foreach(f_iterateMeals)

当我尝试这个时，我收到以下错误：

Py4JError: An error occurred while calling o461.__getnewargs__. Trace:
py4j.Py4JException: Method __getnewargs__([]) does not exist

有人可以解释我哪里出错了吗？我将需要在.foreach此应用程序的数据帧中执行 udfs。

4

1 回答 1

2

  1. 您不会看到输出，因为print在工作节点上执行并转到相应的输出。请参阅为什么 foreach 没有为驱动程序带来任何东西？以获得完整的解释。

  2. foreach对 aRDD不是 a 进行操作DataFrame。UDFs在这种情况下无效。

于 2016-03-24T14:42:13.263 回答