对象在 pyspark 2.4.4 中没有属性 'map' 错误

Question

我是 运行 spark 2.4.4，python 2.7，IDE 是 pycharm。

输入文件在某些​​列中包含编码值，如下所示。

.ʽ|!3-2-704A------------ (dotted line is space)

我正在尝试获得类似

的结果

3-2-704A

我试过下面的代码。

from pyspark.sql import SparkSession
spark = SparkSession \
    .builder \
    .appName("Python Spark") \
    .config("spark.some.config.option", "some-value") \
    .getOrCreate()

df = spark.read.csv("Customers_v01.csv",header=True,sep=",");
myres = df.map(lambda x :x[1].decode('utf-8'))

print(myres.collect())

错误：

    myres = df.map(lambda x :x[1].decode('utf-8'))
  File "C:\spark\python\pyspark\sql\dataframe.py", line 1301, in __getattr__
    "'%s' object has no attribute '%s'" % (self.__class__.__name__, name))
AttributeError: 'DataFrame' object has no attribute 'map'

我不确定是什么原因导致此错误....请帮助。有没有其他方法可以做到。

Answer 1

map is available on Resilient Distributed Dataset (RDD)

from pyspark.sql import SparkSession




spark = SparkSession.builder.appName("Python Spark").getOrCreate()

df = spark.read.csv("Customers_v01.csv", header=True, sep=",", encoding='utf-8')
myres = df.rdd.map(lambda x: x[1].encode().decode('utf-8'))

print(myres.collect())