将pandas数据帧转换为zeppelin中的spark数据帧

Question

我是齐柏林飞艇的新手。我有一个用例，其中我有一个pandas数据帧。我需要使用zeppelin的内置图表来可视化集合我在这里没有明确的方法。我的理解是使用zeppelin，如果它是RDD格式，我们可以将数据可视化。所以，我想将pandas dataframe转换为spark数据帧，然后进行一些查询（使用sql），我会想象。 首先，我尝试将pandas数据帧转换为spark，但我失败了

%pyspark
import pandas as pd
from pyspark.sql import SQLContext
print sc
df = pd.DataFrame([("foo", 1), ("bar", 2)], columns=("k", "v"))
print type(df)
print df
sqlCtx = SQLContext(sc)
sqlCtx.createDataFrame(df).show()

我得到了以下错误

Traceback (most recent call last): File "/tmp/zeppelin_pyspark.py", 
line 162, in <module> eval(compiledCode) File "<string>", 
line 8, in <module> File "/home/bala/Software/spark-1.5.0-bin-hadoop2.6/python/pyspark/sql/context.py", 
line 406, in createDataFrame rdd, schema = self._createFromLocal(data, schema) File "/home/bala/Software/spark-1.5.0-bin-hadoop2.6/python/pyspark/sql/context.py", 
line 322, in _createFromLocal struct = self._inferSchemaFromList(data) File "/home/bala/Software/spark-1.5.0-bin-hadoop2.6/python/pyspark/sql/context.py", 
line 211, in _inferSchemaFromList schema = _infer_schema(first) File "/home/bala/Software/spark-1.5.0-bin-hadoop2.6/python/pyspark/sql/types.py", 
line 829, in _infer_schema raise TypeError("Can not infer schema for type: %s" % type(row)) 
TypeError: Can not infer schema for type: <type 'str'> 

有人可以帮帮我吗？如果我在任何地方都错了，请纠正我。

Answer 1

以下适用于Zeppelin 0.6.0，Spark 1.6.2和Python 3.5.2：

%pyspark
import pandas as pd
df = pd.DataFrame([("foo", 1), ("bar", 2)], columns=("k", "v"))
z.show(sqlContext.createDataFrame(df))

呈现为：

Answer 2

我只是将您的代码复制并粘贴到笔记本中，然后就可以了。

|v1|

我正在使用这个版本： 飞艇-0.5.0-温育彬火花1.4.0_hadoop-2.3.tgz

Answer 3

尝试在bash中设置SPARK_HOME和PYTHONPATH变量然后重新运行

    export SPARK_HOME=path to spark
    export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/build:$PYTHONPATH
    export PYTHONPATH=$SPARK_HOME/python/lib/py4j-0.8.2.1-src.zip:$PYTHONPATH