Scala 无法将RDD[行]转换为数据帧

对于以下代码-其中数据帧转换为

RDD[Row]

，新列的数据通过

mapPartitions

追加：

 // df is a DataFrame
val dfRdd = df.rdd.mapPartitions {
  val bfMap = df.rdd.sparkContext.broadcast(factorsMap)
  iter =>
    val locMap = bfMap.value
    iter.map { r =>
      val newseq = r.toSeq :+ locMap(r.getAs[String](inColName))
      Row(newseq)
    }
}

对于带有另一列的

RDD[Row]

，输出是正确的：

println("**dfrdd\n" + dfRdd.take(5).mkString("\n"))

**dfrdd
[ArrayBuffer(0021BEC286CC, 4, Series, series, bc514da3e0d534da8207e3aab231d1cb, livetv, 148818)]
[ArrayBuffer(0021BEE7C556, 4, Series, series, bc514da3e0d534da8207e3aab231d1cb, livetv, 26908)]
[ArrayBuffer(8C7F3BFD4B82, 4, Series, series, bc514da3e0d534da8207e3aab231d1cb, livetv, 99942)]
[ArrayBuffer(0021BEC8F8B8, 1, Series, series, 0d2debc63efa3790a444c7959249712b, livetv, 53994)]
[ArrayBuffer(10EA59F10C8B, 1, Series, series, 0d2debc63efa3790a444c7959249712b, livetv, 1427)]

让我们尝试将

RDD[Row]

转换回数据帧：

val newSchema = df.schema.add(StructField("userf",IntegerType))

val df2 = df.sqlContext.createDataFrame(dfRdd,newSchema)

现在，让我们创建更新的数据帧：

val newSchema = df.schema.add(StructField("userf",IntegerType))

val df2 = df.sqlContext.createDataFrame(dfRdd,newSchema)

新模式看起来正确吗

newSchema.show()

root
 |-- user: string (nullable = true)
 |-- score: long (nullable = true)
 |-- programType: string (nullable = true)
 |-- source: string (nullable = true)
 |-- item: string (nullable = true)
 |-- playType: string (nullable = true)
 |-- userf: integer (nullable = true)

请注意，我们确实看到了新的

userf

列

但是，它不起作用：

println("df2: " + df2.take(1))

Job aborted due to stage failure: Task 0 in stage 9.0 failed 1 times, 
most recent failure: Lost task 0.0 in stage 9.0 (TID 9, localhost, executor driver): java.lang.RuntimeException: Error while encoding: 

java.lang.RuntimeException: scala.collection.mutable.ArrayBuffer is not a  
 valid external type for schema of string
if (assertnotnull(input[0, org.apache.spark.sql.Row, true], top level row object).isNullAt) null else staticinvoke(class org.apache.spark.unsafe.types.UTF8String, StringType, fromString, validateexternaltype(getexternalrowfield(assertnotnull(input[0, org.apache.spark.sql.Row, true], top level row object), 0, user), StringType), true) AS user#28
+- if (assertnotnull(input[0, org.apache.spark.sql.Row, true], top level row object).isNullAt) null else staticinvoke(class org.apache.spark.unsafe.types.UTF8String, StringType, fromString, validateexternaltype(getexternalrowfield(assertnotnull(input[0, org.apache.spark.sql.Row, true], top level row object), 0, user), StringType), true)
   :- assertnotnull(input[0, org.apache.spark.sql.Row, true], top level row object).isNullAt
   :  :- assertnotnull(input[0, org.apache.spark.sql.Row, true], top level row object)
   :  :  +- input[0, org.apache.spark.sql.Row, true]
   :  +- 0
   :- null

那么：这里缺少什么细节

注：我对不同的方法不感兴趣：例如

带列

或

数据集

。。让我们只考虑方法：

• 转换为RDD
• 向每行添加新的数据元素
• 更新新列的架构
• 将新的RDD+模式转换回DataFrame

---

调用

行的构造函数时似乎出现了一个小错误：

val newseq = r.toSeq :+ locMap(r.getAs[String](inColName))
Row(newseq)

这个“构造函数”（实际上是应用方法）的签名是：

当您传递
Seq[Any]
时，它被视为
Seq[Any]
类型的单个值。您希望传递此序列的元素，因此应使用：

val newseq = r.toSeq :+ locMap(r.getAs[String](inColName))
Row(newseq: _*)

修复后，行将与您构建的模式匹配，您将获得预期的结果
 你说得对！现在你可以在代表赛中领先我了！非常感谢你！我对scala和spark还很陌生，这让我花了很长时间才发现。还有一些关于
：*
注释的更多信息，我刚刚遇到了这个问答锯，我投了更高的票。。然后。。我就是那个询问者！对不起，我不能再投票了