我有一个数据框,它是由具有512列(所有浮点值)的镶木地板文件创建的。
我正在尝试计算数据帧中每行的欧氏距离为常量参考数组。
我的开发环境是Zeppelin 0.7.3,火花2.1和Sacala。这是我运行的zeppelin段落:
import org.apache.spark.ml.feature.VectorAssembler
import org.apache.spark.ml.linalg.Vectors
//Create dataframe from parquet file
val filePath = "/tmp/vector.parquet/*.parquet"
val df = spark.read.parquet(filePath)
//Create assembler and vectorize df
val assembler = new VectorAssembler()
.setInputCols(df.columns)
.setOutputCol("features")
val training = assembler.transform(df)
//Create udf
val eucDisUdf = udf((features: Vector,
myvec:Vector)=>Vectors.sqdist(features, myvec))
//Cretae ref vector
val myScalaVec = Vectors.dense( Array.fill(512)(25.44859))
val distDF =
training2.withColumn("euc",eucDisUdf($"features",myScalaVec))
此代码为eucDisUdf调用提供以下错误:
错误:类型不匹配;发现:org.apache.spark.ml.linalg.Vector 必需:org.apache.spark.sql.Column
我很感激如何消除此错误并在scala中正确计算距离。
答案 0 :(得分:2)
我认为你可以用currying来实现这个目标:
func main() {
dataChan := make(chan string)
ctx, cancel := context.WithDeadline(context.Background(), time.Now().Add(5*time.Second))
defer cancel()
go func(ctx context.Context) {
for {
select {
case dataChan <- "some data":
time.Sleep(time.Second)
case <-ctx.Done():
fmt.Println(ctx.Err())
close(dataChan)
return
}
}
}(ctx)
for d := range dataChan {
fmt.Println("Got:", d)
}
}