如何将函数应用于SparkR中的每一行？

我有一个CSV格式的文件，其中包含一个列为“id”、“timestamp”、“action”、“value”和“location”的表。 我想对表的每一行应用一个函数，我已经在R中编写了如下代码：

user <- read.csv(file_path,sep = ";")
num <- nrow(user)
curLocation <- "1"
for(i in 1:num) {
    row <- user[i,]
    if(user$action != "power")
        curLocation <- row$value
    user[i,"location"] <- curLocation
}

curLocation <- "1"
schema <- structType(structField("Sequence","integer"), structField("ID","integer"), structField("Timestamp","timestamp"), structField("Action","string"), structField("Value","string"), structField("Location","string"))
setLocation <- function(row, curLoc) {
    if(row$Action != "power|battery|level"){
        curLoc <- row$Value
    }
    row$Location <- curLoc
}
bw <- dapply(user, function(row) { setLocation(row, curLocation)}, schema)
head(bw)

userScorpion775

你应该分享你的sparkR代码。不要忘记，在R和sparkR中，数据的处理方式不同

发件人：

df您可以使用sparkyr（与dplyr相同的语法）@DimitriPetrenko如果我需要使用SparkR怎么办？SparkR能达到这个效果吗？我看了Dappy函数，发现它用于“将函数应用到SparkDataFrame的每个分区”。根据我的理解，分区的概念与行无关。我关心的是，我不知道如何编写应用于SparkDataFrame的函数。目前我只知道如何在R中实现我想要的功能，而不知道如何在SparkR中实现。你能给我一些建议吗？我不是spark专家，但我认为分区是数据被分割成分散在集群上的。你能试试上面的例子，告诉我它是否适合你的需要吗？谢谢你的建议。我试着按照你的指示做，但出现了问题中所示的错误。我编辑了我的帖子，尝试了一下，然后反馈：）我以前的错误是认为在dapply函数中我们有行。事实上，我们有一个数据帧。我相信spark将剪切数据帧，将每个部分发送到不同的节点并应用该功能（此处为changeLocation）。如果有人能确认的话？只要我使用dapplyCollect函数就行了。在这种情况下，我不需要指定模式。
changeLocation <- function(partitionnedDf) {
    nrows <- nrow(partitionnedDf)
    curLocation <- "1"
    for(i in 1:nrows){
        row <- partitionnedDf[i,]
        if(row$action != "power") {
            curLocation <- row$value
        }
    partitionnedDf[i,"location"] <- curLocation
    }
    partitionnedDf
}

bw <- dapplyCollect(user, changeLocation)

df <- read.df(csvPath, "csv", header = "true", inferSchema = "true", na.strings = "NA")

changeLocation <- function(partitionnedDf) {
    nrows <- nrow(partitionnedDf)
    curLocation <- as.integer(1)

    # Loop over each row of the partitionned data frame
    for(i in 1:nrows){
        row <- partitionnedDf[i,]

        if(row[1] != "power") {
            curLocation <- row[2]
        }
        partitionnedDf[i,3] <- curLocation
    }

    # Return modified data frame
    partitionnedDf
}

# Load data
df <- read.df("data.csv", "csv", header="false", inferSchema = "true")

head(collect(df))

# Define schema of dataframe
schema <- structType(structField("action", "string"), structField("value", "integer"),
                     structField("location", "integer"))

# Change location of each row                    
df2 <- dapply(df, changeLocation, schema)

head(df2)