使用DataFrame列的Kmeans

Question

我有类似的东西：

wines = spark.table("dane_nowe_csv")
selected = wines.select("price")

价格是双倍的。 问题是如何转换这个＆＃34;选择＆＃34;要使用的有效类型：

clusters = KMeans.train(selected, 2, maxIterations=10, initializationMode="random")

我今天尝试这么做很多时间，我搜索了几十个主题并且总会出现一些错误，我觉得有一些简单的方法可以做到这一点。

Answer 1

wines = spark.table("dane_nowe_csv")
selected = wines.select("price").map(s => s.getAs[Vector])
clusters = KMeans.train(selected, 2, maxIterations=10,initializationMode="random")

KMeans将rdd作为输入而非数据框或列。