Question

如何将csv转换为Rdd [Double]？我有错误：无法在此行应用于（org.apache.spark.rdd.RDD [Unit]）：

val kd = new KernelDensity().setSample(rows)

我的完整代码在这里：

   import org.apache.spark.mllib.linalg.Vectors
    import org.apache.spark.mllib.linalg.distributed.RowMatrix
    import org.apache.spark.mllib.stat.KernelDensity
    import org.apache.spark.rdd.RDD
    import org.apache.spark.{SparkContext, SparkConf}

class KdeAnalysis {
  val conf = new SparkConf().setAppName("sample").setMaster("local")
  val sc = new SparkContext(conf)

  val DATAFILE: String = "C:\\Users\\ajohn\\Desktop\\spark_R\\data\\mass_cytometry\\mass.csv"
  val rows = sc.textFile(DATAFILE).map {
    line => val values = line.split(',').map(_.toDouble)
      Vectors.dense(values)
  }.cache()



  // Construct the density estimator with the sample data and a standard deviation for the Gaussian
  // kernels
  val rdd : RDD[Double] = sc.parallelize(rows)
  val kd = new KernelDensity().setSample(rdd)
    .setBandwidth(3.0)

  // Find density estimates for the given values
  val densities = kd.estimate(Array(-1.0, 2.0, 5.0))
}

Answer 1

由于rows是RDD[org.apache.spark.mllib.linalg.Vector]以下行，因此无效：

val rdd : RDD[Double] = sc.parallelize(rows)

parallelize预计Seq[T]和RDD不是Seq。

即使这部分工作正如您所期望的那样输入也是错误的。 KernelDensity.setSample的正确参数可以是RDD[Double]或JavaRDD[java.lang.Double]。此时看起来它不支持多变量数据。

关于图块中的问题，您可以flatMap

rows.flatMap(_.toArray)

创建rows

时，

甚至更好

val rows = sc.textFile(DATAFILE).flatMap(_.split(',').map(_.toDouble)).cache()

但我怀疑它确实是你需要的。

Answer 2

准备好此代码，请评估它是否可以帮助您 - ＆gt;

val doubleRDD = rows.map(_.toArray).flatMap(x => x)

将Rdd [Vector]转换为Rdd [Double]

2 个答案: