Scala 将向量集合转换为数据帧时出现架构错误

我有一个名为

values

的向量集合，我正试图将其转换为数据帧

scala.collection.immutable.Vector[(String, Double)] = Vector((1,1.0), (2,2.4), (3,3.7), (4,5.0), (5,4.9))

我定义了一个自定义模式，如下所示，并尝试进行转换

val customSchema = new StructType()
    .add("A", IntegerType, true)
    .add("B", DoubleType, true)

val df = values.toDF.schema(customSchema)

这给了我一个错误的说法

error: overloaded method value apply with alternatives:
  (fieldIndex: Int)org.apache.spark.sql.types.StructField <and>
  (names: Set[String])org.apache.spark.sql.types.StructType <and>
  (name: String)org.apache.spark.sql.types.StructField
 cannot be applied to (org.apache.spark.sql.types.StructType)

错误：重载的方法值应用于替代项：
（fieldIndex:Int）org.apache.spark.sql.types.StructField以及创建架构的。但是，所有方法都会产生相同的自定义模式，
customSchema:org.apache.spark.sql.types.StructType=StructType（StructField（A，IntegerType，true），StructField（B，DoubleType，true））

toDF
方法在没有自定义模式的情况下运行良好。但是，我想强制使用自定义模式。有人能告诉我我做错了什么吗？
schema
是一个属性。当您想要获取
DataFrame
或
Dataset
的
StructType
时，应该使用schema

val df = values.toDF
df.schema
//prints
StructType(StructField(_1,IntegerType,false), StructField(_2,DoubleType,false))

要将向量转换为
数据帧
或
数据集
，可以使用或
spark.createDataset
。这些方法是重载的，它们需要
RDD
或
JavaRDD
或
java.util.List
或
行
和模式信息。您可以执行以下操作将
向量
转换为
数据帧
：

val df = spark.createDataFrame(vec.toDF.rdd, customSchema)
df.schema
//prints
StructType(StructField(A,IntegerType,true), StructField(B,DoubleType,true))

我希望有帮助
 
schema
是一个属性。当您想要获取
DataFrame
或
Dataset
的
StructType
时，应该使用schema

val df = values.toDF
df.schema
//prints
StructType(StructField(_1,IntegerType,false), StructField(_2,DoubleType,false))

要将向量转换为
数据帧
或
数据集
，可以使用或
spark.createDataset
。这些方法是重载的，它们需要
RDD
或
JavaRDD
或
java.util.List
或
行
和模式信息。您可以执行以下操作将
向量
转换为
数据帧
：

val df = spark.createDataFrame(vec.toDF.rdd, customSchema)
df.schema
//prints
StructType(StructField(A,IntegerType,true), StructField(B,DoubleType,true))

我希望有帮助
 谢谢你的澄清。这完全有道理。谢谢你的澄清。这完全有道理。