Python 如何转换类型<；类别'；pyspark.sql.types.Row'&燃气轮机；成向量
我是Spark的新手，目前我正在尝试使用Python编写一个简单的代码，对一组数据执行KMeansPython 如何转换类型<；类别'；pyspark.sql.types.Row'&燃气轮机；成向量,python,apache-spark,machine-learning,pyspark,k-means,Python,Apache Spark,Machine Learning,Pyspark,K Means,我是Spark的新手，目前我正在尝试使用Python编写一个简单的代码，对一组数据执行KMeans from pyspark import SparkContext, SparkConf from pyspark.sql import SQLContext import re from pyspark.mllib.clustering import KMeans, KMeansModel from pyspark.mllib.linalg import DenseVector from pysp
from pyspark import SparkContext, SparkConf
from pyspark.sql import SQLContext
import re
from pyspark.mllib.clustering import KMeans, KMeansModel
from pyspark.mllib.linalg import DenseVector
from pyspark.mllib.linalg import SparseVector
from numpy import array
from pyspark.ml.feature import VectorAssembler
from pyspark.ml.feature import MinMaxScaler
import pandas as pd
import numpy
df = pd.read_csv("/<path>/Wholesale_customers_data.csv")
sql_sc = SQLContext(sc)
cols = ["Channel", "Region", "Fresh", "Milk", "Grocery", "Frozen", "Detergents_Paper", "Delicassen"]
s_df = sql_sc.createDataFrame(df)
vectorAss = VectorAssembler(inputCols=cols, outputCol="feature")
vdf = vectorAss.transform(s_df)
km = KMeans.train(vdf, k=2, maxIterations=10, runs=10, initializationMode="k-means||")
model = kmeans.fit(vdf)
cluster = model.clusterCenters()
print(cluster)
从pyspark导入SparkContext，SparkConf
从pyspark.sql导入SQLContext
进口稀土
从pyspark.mllib.clustering导入KMeans、KMeansModel
从pyspark.mllib.linalg导入DenseVector
从pyspark.mllib.linalg导入SparseVector
从numpy导入数组
从pyspark.ml.feature导入向量汇编程序
从pyspark.ml.feature导入MinMaxScaler
作为pd进口熊猫
进口numpy
df=pd.read\u csv（//Wholesale\u customers\u data.csv）
sql\u sc=SQLContext（sc）
cols=[“渠道”、“区域”、“新鲜”、“牛奶”、“食品”、“冷冻”、“清洁剂纸”、“熟食”]
s_df=sql_sc.createDataFrame（df）
vectorAss=VectorAssembler（inputCols=cols，outputCol=“feature”）
vdf=矢量类变换（s_-df）
km=KMeans.train（vdf，k=2，最大迭代次数=10，运行次数=10，初始化模式=“k-means | |”）
模型=kmeans.fit（vdf）
cluster=model.clusterCenters（）
打印（群集）
仅在[即将弃用]Spark mllib包上使用Spark 2.x ML包：
from pyspark.ml.clustering import KMeans
from pyspark.ml.feature import VectorAssembler
df = spark.read.option("inferSchema", "true").option("header", "true").csv("whole_customers_data.csv")
cols = df.columns
vectorAss = VectorAssembler(inputCols=cols, outputCol="features")
vdf = vectorAss.transform(df)
kmeans = KMeans(k=2, maxIter=10, seed=1)
kmm = kmeans.fit(vdf)
kmm.clusterCenters()
您在哪一行收到错误？您好Vivek，这一行是：model=kmeans.fit（vdf）您好Garren，您能分享您的代码吗？我运行了代码，但出现了错误。。谢谢你的帮助@hpnhxxwn我将在更新的答案中共享代码。还请发布您的错误，以便其他人也可以从中学习。@hpnhxxwn很高兴它对您起到了作用！请将答案标记为已接受。我怀疑一些问题可能来自于尝试将Spark 2.x ML与旧的Spark mllib混合使用。我看到您的更新显示“功能”缺失，这似乎至少部分是因为您使用的
outputCol=“feature”