Dataframe Spark shell中的toDF在哪里，如何与Vector、Seq或其他一起使用？

我尝试了一些基本的数据类型

val x = Vector("John Smith", 10, "Illinois")
val x = Seq("John Smith", 10, "Illinois")
val x = Array("John Smith", 10, "Illinois")
val x = ...
val x = Seq( Vector("John Smith",10,"Illinois"), Vector("Foo",2,"Bar"))

但是没有人提供

toDF（）

，即使是在导入spark.implicits.\u之后

我的目标是使用

x.toDF（“姓名”、“年龄”、“城市”）。show

在上一个示例中，

toDF

存在，但出现错误“java.lang.ClassNotFoundException”

---

注:

• 我在Spark v2.2中使用Spark shell

• 需要基于在

  toDF（names）

  中参数化的colunm名称进行泛型转换，不复杂解决方案作为

  案例类Person（name:String，age:Long，city:String）的创建向量

toDF后显示的预期结果为

+----------+---+--------+
|      name|age|    city|
+----------+---+--------+
|John Smith| 10|Illinois|
+----------+---+--------+

---

您要查找的语法是

val x = Array("John Smith", "10", "Illinois")
sc.parallelize(x).toDF()

另一种方式是,

val y = Seq("John Smith", "10", "Illinois")
Seq(y).toDF("value").show()

这也应该行得通

Seq(Vector("John Smith","10","Illinois"), Vector("Foo","2","Bar")).toDF()

---

您应该将值放入元组中以创建3列

scala> Seq(("John Smith", "asd", "Illinois")).toDF("name","age","city").show
+----------+---+--------+
|      name|age|    city|
+----------+---+--------+
|John Smith|asd|Illinois|
+----------+---+--------+

---

@PeterKrauss试试这个，这是数据类型不匹配的问题。我从来没有使用过没有限定符的

valx=（“Hello”，“world”）

。。。现在我看到它是有效的（！），你教我的是有效的，他的名字是tuple。因此，也许最好、最简单的Spark数据帧定义是“DF是元组的一个序列”（为什么没有指南这么说？）