PySpark 错误：StructType 不能接受类型 <type 'int'> 中的对象 0

Question

我的数据文件与 Graph Edges 相关。每行的格式为（src node & dest node）。这是我的架构定义。 eschema = StructType([StructField("src", StringType(), True), StructField("dst", StringType(), True)]) 我试图阅读该行，用分隔符（'，'）将其拆分并将每个元素转换为一个 int。但这不知何故失败了。

 lines = sc.textFile(filename)
 lines = lines.map(lambda l : map(int, l.split(delim)))
 lines = lines.map(lambda l : Row(l[0], l[1]))

运行此程序时，我收到错误消息 StructType can not accept object 0 in type <type 'int'> 我正在使用 Python 2.7，Spark > 2.0。分割线后，对象的类型是 Unicode 而不是字符串，这会有什么不同。如何解决这个问题。任何建议都会有很大帮助。谢谢

Answer 1

如果分隔符是“，”，则它只是一个普通的 csv 文件。 由于您使用的是 Spark > 2.0，因此您可以使用现代数据框 api；您可以使用 spark 会话，而不是使用 spark 上下文（按照约定 sc）：

df = spark.read.format("csv")\
    .option("header", "true")\ # if you have a header inside the file, otherwise don't put this line
    .option("schema", eschema)\ 
    .load(filename)

除了通过.option("schema", ) 提供架构之外，您还可以使用.option("inferSchema", "true")，它会尝试通过查看数据来猜测文件结构。