Scala:可变参数 UDF
Posted
技术标签:
【中文标题】Scala:可变参数 UDF【英文标题】:Scala: variadic UDF 【发布时间】:2016-10-28 14:19:22 【问题描述】:我有一个包含很多列的 DataFrame。 我也有功能
def getFeatureVector(features:Array[String]) : Vector
这相当复杂,但需要一些字符串并返回 spark MLlib 向量。
现在,我想查看 DF 中的一些列(我事先不知道是哪一列),将它们传递给 getFeatureVector,然后添加一个包含结果向量的新列。
我可以访问我想要使用的列的数组,并且我编写了一个将其转换为字符串的函数,并创建了一个数组列:
val colNamesToEncode = Array("col1", "col2", "col3", "col4")
def getColsToEncode:Column =
val cols = colNamesToEncode.map(x => col(x).cast("string"))
array(cols:_*)
最后,我尝试制作一个 udf 并将其应用于 DF:
val encoderUDF = udf(getFeatureVector _)
val cols = getColsToEncode()
data.withColumn(featuresColName,encoderUDF(cols))
但是当我运行它时,我得到 java.lang.RuntimeException: Unsupported literal type class scala.runtime.BoxedUnit ()
如何向 DF 申请函数?
PS:我在编写代码时使用此答案 (Spark UDF with varargs) 作为指南。
【问题讨论】:
【参考方案1】:只需从下面的行中删除()
,即可解决错误。
来自val cols = getColsToEncode()
到
val cols = getColsToEncode
【讨论】:
【参考方案2】:可以直接将函数传入udf函数。
val colNamesToEncode = Array("col1", "col2", "col3", "col4")
def getColsToEncode:Column =
val cols = colNamesToEncode.map(x => col(x).cast("string"))
array(cols:_*)
val encoderUDF = udf(getFeatureVector _)
data.withColumn(featuresColName,encoderUDF(getColsToEncode))
【讨论】:
以上是关于Scala:可变参数 UDF的主要内容,如果未能解决你的问题,请参考以下文章