从 Pandas Dataframe 错误创建 Spark DataFrame

Posted 2023-04-17

【中文标题】从 Pandas Dataframe 错误创建 Spark DataFrame

【英文标题】：Create Spark DataFrame from Pandas Dataframe Error

【发布时间】：2018-03-20 06:35:55

【问题描述】：

我正在尝试从 Pandas 数据框创建 Spark 数据框，并尝试了许多解决方法，但仍然失败。这是我的代码，我只是想遵循许多基本示例之一：

test = pd.DataFrame([1,2,3,4,5])
type(test)

from pyspark import SparkContext
sc = SparkContext(master="local[4]")
sqlCtx = SQLContext(sc)
spark_df = sqlCtx.createDataFrame(test)

我正在尝试使用具有 2000 列和数十万行的 pandas 数据框进行上述操作，但我创建了上述测试 df 只是为了确保数据框没有问题。确实我得到了完全相同的错误：

 Py4JJavaError: An error occurred while calling o596.get.
: java.util.NoSuchElementException: spark.sql.execution.pandas.respectSessionTimeZone
    at org.apache.spark.sql.internal.SQLConf$$anonfun$getConfString$2.apply(SQLConf.scala:884)
    at org.apache.spark.sql.internal.SQLConf$$anonfun$getConfString$2.apply(SQLConf.scala:884)
    at scala.Option.getOrElse(Option.scala:121)
    at org.apache.spark.sql.internal.SQLConf.getConfString(SQLConf.scala:884)
    at org.apache.spark.sql.RuntimeConfig.get(RuntimeConfig.scala:74)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
    at py4j.Gateway.invoke(Gateway.java:280)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:214)
    at java.lang.Thread.run(Thread.java:748)

【问题讨论】：

在上面的代码中，我假设data 应该是test?

是的，我很抱歉，应该这样。

【参考方案1】：

你有这套吗？

export PYTHONPATH=$SPARK_HOME/python/:$PYTHONPATH

也只是为了确定，将路径添加到

py4j zip（我的是 py4j-0.10.1-src.zip）

在spark目录中为：

export PYTHONPATH=$SPARK_HOME/python/lib/py4j-0.10.1-src.zip:$PYTHONPATH

【讨论】：

非常接近，问题是我忘记将其添加到笔记本的开头。无论如何都非常感谢！导入 findspark findspark.init()

我不知道“findspark”。很高兴知道！

【参考方案2】：

我解决了这个问题 - 我忘记将以下代码行添加到我的 anaconda 笔记本的开头：

import findspark 
findspark.init()

【讨论】：

@desertnaut 似乎这是问题的答案。