Объект «PipelinedRDD» не имеет атрибута «toDF» в PySpark
Я пытаюсь загрузить файл SVM и преобразовать его вDataFrame
так что я могу использовать модуль ML (Pipeline
ML) от Спарк. Я только что установил свежий Spark 1.5.0 на Ubuntu 14.04 (нетspark-env.sh
сконфигурирован).
мойmy_script.py
является:
from pyspark.mllib.util import MLUtils
from pyspark import SparkContext
sc = SparkContext("local", "Teste Original")
data = MLUtils.loadLibSVMFile(sc, "/home/svm_capture").toDF()
и я бегу, используя:./spark-submit my_script.py
И я получаю ошибку:
Traceback (most recent call last):
File "/home/fred-spark/spark-1.5.0-bin-hadoop2.6/pipeline_teste_original.py", line 34, in <module>
data = MLUtils.loadLibSVMFile(sc, "/home/fred-spark/svm_capture").toDF()
AttributeError: 'PipelinedRDD' object has no attribute 'toDF'
Что я не могу понять, так это то, что если я бегу:
data = MLUtils.loadLibSVMFile(sc, "/home/svm_capture").toDF()
прямо внутри оболочки PySpark, это работает.