PySpark：将 String 类型的 DataFrame 列转换为 Double 时出现 KeyError

Question

我正在尝试通过 PySpark 学习机器学习。我有一个数据集，它有几个 String 列，它们的值是 True or False or Yes or No。我正在使用 DecisionTree，我想将这些 String 值转换为相应的 Double 值，即 True, Yes 应更改为 1.0 和 False, No应更改为 0.0。我看到一个教程，他们做了同样的事情，我想出了这段代码

df = sqlContext.read.csv("C:/../churn-bigml-20.csv",inferSchema=True,header=True)

from pyspark.sql.types import DoubleType
from pyspark.sql.functions import UserDefinedFunction

binary_map = {'Yes':1.0, 'No':0.0, 'True':1.0, 'False':0.0}
toNum = UserDefinedFunction(lambda k: binary_map[k], DoubleType())

csv_data = df.drop('State').drop('Area code') \
    .withColumn('Churn', toNum(df['Churn'])) \
    .withColumn('International plan', toNum(df['International plan'])) \
    .withColumn('Voice mail plan', toNum(df['Voice mail plan'])).cache()

然而，当我运行这样做时，我得到了很多看起来像这样的错误。

  File "C:\..\spark-2.1.0\python\lib\pyspark.zip\pyspark\worker.py", line 70, in <lambda>
  File "C:\..\workspace\PyML\src\ModelBuilding.py", line 20, in <lambda>
    toNum = UserDefinedFunction(lambda k: binary_map[k], DoubleType())
KeyError: False

注意：我正在使用 Spark 2.1 和 Python 3.5 开发 PySpark，我想我遵循的教程使用 spark 1.6 和 Python 2.7.所以我不知道这是 Python 语法问题之一。

Answer 1

我通过将映射部分更改为：

解决了这个问题

binary_map = {'Yes':1.0, 'No':0.0, True : 1.0, False : 0.0}
toNum = UserDefinedFunction(lambda k: binary_map[k], DoubleType())

我刚刚删除了 True 和 False 中的引用。我认为这很奇怪，但是当我使用 print(df.printSchema()) 检查 DataFrame 的架构时，它显示具有 True 和 False 值的字段的类型为 boolean.

架构

root
 |-- State: string (nullable = true)
 |-- Account length: integer (nullable = true)
 |-- Area code: integer (nullable = true)
 |-- International plan: string (nullable = true)
 |-- Voice mail plan: string (nullable = true)
  .
  .
  .
 |-- Customer service calls: integer (nullable = true)
 |-- Churn: boolean (nullable = true)

这就是为什么我不得不去掉引号的原因。谢谢。

PySpark：将 String 类型的 DataFrame 列转换为 Double 时出现 KeyError

PySpark : KeyError when converting a DataFrame column of String type to Double

python

machine-learning

pyspark

user-defined-functions

apache-spark-2.0