Apache spark spark提交抛出错误，与pyspark不同

我一直在使用Ipython笔记本测试一个脚本，并将pyspark传递给它。我想完成的一切都很顺利

我还使用pyspark和works在没有笔记本的情况下从命令行运行了它

使用1.3.1版

使用spark submit将其作为作业提交时

spark-submit --master local[*] myscript.py

我得到以下错误：

x_map = rdd.map(lambda s: (s[1][1],s[1][3])).distinct().toDF().toPandas()

AttributeError: 'PipelinedRDD' object has no attribute 'toDF'

我的脚本的开头如下所示：

from pyspark import SparkContext
sc = SparkContext(appName="Whatever")

from pyspark.sql.types import *
from pyspark.sql import Row
import statsmodels.api as sm
import pandas as pd
import numpy as np
import sys
[..] other python modules

rdd = sc.textFile(input_file)
rdd = rdd.map(lambda line: (line.split(",")[1],[x for x in line.split(",")])).sortByKey()

x_map = rdd.map(lambda s: (s[1][1],s[1][3])).distinct().toDF().toPandas()

---

正如您在本链接中看到的：

创建时，SQLContext向RDD添加一个名为toDF的方法，该方法可用于将RDD转换为数据帧，它是SQLContext.createDataFrame（）的缩写

因此，为了在RDD中使用toDF方法，您需要创建一个sqlContext并使用SparkContext初始化它：

from pyspark.sql import SQLContext
...
sqlContext = SQLContext(sc)

---

谢谢我的注意力分散了，我一定是漏掉了那一点！再次感谢你！