Question

我一直在尝试将RDD转换为数据帧。为此，需要定义类型而不是任何类型。我正在使用spark MLLib PrefixSpan，这就是freqSequence.sequence来自的地方。我从一个包含Session_ID，视图和购买的数据框开始，作为String-Arrays：

viewsPurchasesGrouped: org.apache.spark.sql.DataFrame =
  [session_id: decimal(29,0), view_product_ids: array[string], purchase_product_ids: array[string]]

然后我计算频繁模式并在数据帧中需要它们，以便我可以将它们写入Hive表。

val viewsPurchasesRddString = viewsPurchasesGrouped.map( row => Array(Array(row(1)), Array(row(2)) ))

val prefixSpan = new PrefixSpan()
  .setMinSupport(0.001)
  .setMaxPatternLength(2)

val model = prefixSpan.run(viewsPurchasesRddString)

val freqSequencesRdd = sc.parallelize(model.freqSequences.collect())

case class FreqSequences(views: Array[String], purchases: Array[String], support: Long)

val viewsPurchasesDf = freqSequencesRdd.map( fs =>
  {   
  val views = fs.sequence(0)(0)
  val purchases = fs.sequence(1)(0)
  val freq = fs.freq
  FreqSequences(views, purchases, freq)
  }
)
viewsPurchasesDf.toDF() // optional

当我尝试运行它时，视图和购买是“任何”而不是“数组[字符串]”。我拼命试图转换它们，但我得到的最好的是Array [Any]。我想我需要将内容映射到一个字符串，我试过，例如这个：How to get an element in WrappedArray: result of Dataset.select("x").collect()?和这个：How to cast a WrappedArray[WrappedArray[Float]] to Array[Array[Float]] in spark (scala)以及数千个其他Stackoverflow问题......

我真的不知道如何解决这个问题。我想我已经将初始数据帧/ RDD转换为很多，但无法理解在哪里。

Answer 1

我解决了这个问题。作为参考，这有效：

val viewsPurchasesRddString = viewsPurchasesGrouped.map( row =>
  Array(
  row.getSeq[Long](1).toArray, 
  row.getSeq[Long](2).toArray
  )
)

val prefixSpan = new PrefixSpan()
  .setMinSupport(0.001)
  .setMaxPatternLength(2)

val model = prefixSpan.run(viewsPurchasesRddString)

case class FreqSequences(views: Long, purchases: Long, frequence: Long)

val ps_frequences = model.freqSequences.filter(fs => fs.sequence.length > 1).map( fs =>
    {   
    val views = fs.sequence(0)(0)
    val purchases = fs.sequence(1)(0)
    val freq = fs.freq
    FreqSequences(views, purchases, freq)
    }
)

ps_frequences.toDF()

Answer 2

我认为问题是你有DataFrame，它不保留静态类型信息。当您从Row中取出一个项目时，您必须明确告诉它您希望获得哪种类型。

未经测试，但根据您提供的信息推断：

import scala.collection.mutable.WrappedArray

val viewsPurchasesRddString = viewsPurchasesGrouped.map( row =>
  Array(
    Array(row.getAs[WrappedArray[String]](1).toArray), 
    Array(row.getAs[WrappedArray[String]](2).toArray)
  )
)

Scala将WrappedArray或Array [Any]转换为Array [String]

2 个答案: