マップ配列と元のフォーマットを保持

Question

私はsparksqlデータフレームを使用しています。 （Yは（-1819.748514533043、47.745243303477764）、333）（、）、行（X = -8.45811653137207 -5.179722309112549 =）を

：

df = sql.read.parquet("toy_data") 
df.show() 
+-----------+----------+ 
|   x|   y| 
+-----------+----------+ 
| -4.5707927| -5.282721| 
| -5.762503| -4.832158| 
| 7.907721| 6.793022| 
| 7.4408655| -6.601918| 
| -4.2428184| -4.162871| 

Iはタプルのリストを以下の構造を有します最初のeleは点、2番目のeleは（sum_of_points、number_of_points）タプルです。

Iはnum_of_pointsによってsum_of_pointsを分割する場合、このような：

new_centers = center_sum_num.map(lambda tup: np.asarray(tup[1][0])/tup[1][1]).collect() 

私はnumpyの配列の配列であり、以下を得ます。

[array([-0.10006594, -6.7719144 ]), array([-0.25844196, 5.28381418]), array([-5.12591623, -4.5685448 ]), array([ 5.40192709, -4.35950824])] 

しかし、私は彼らに、このような元の形式のポイント、維持したい：

[Row(x=-5.659833908081055, y=7.705344200134277), Row(x=3.17942214012146, y=-9.446121215820312), Row(x=9.128270149230957, y=4.5666022300720215), Row(x=-6.432034969329834, y=-4.432190895080566)] 

私はnumpy_arraysの配列を望んでいない意味を - 私は（行の配列をしたいのx = ...、y = ...）thingys。

どうすればいいですか？

私の完全なコードは、参考のために取り付けられている。

new_centers = [Row(x=-5.659833908081055, y=7.705344200134277), Row(x=3.17942214012146, y=-9.446121215820312), Row(x=9.128270149230957, y=4.5666022300720215), Row(x=-6.432034969329834, y=-4.432190895080566)] 




while old_centers is None or not has_converged(old_centers, new_centers, epsilon) and iteration < max_iterations: 
    # update centers 
    old_centers = new_centers 


    center_pt_1 = points.rdd.map(lambda point: (old_centers[nearest_center(old_centers, point)[0]], (point, 1))) 
    note that nearest_center()[0] is the index 

    center_sum_num =center_pt_1.reduceByKey(lambda a, b: ((a[0][0] + b[0][0], a[0][1] + b[0][1]) ,a[1] + b[1])) 



    new_centers = center_sum_num.map(lambda tup: np.asarray(tup[1][0])/tup[1][1]).collect() 





    iteration += 1 

return new_centers 

Answer 1

構造

from pyspark.sql import Row 

row = Row("x", "y") 

を定義し、その結果解凍：

x = (
    Row(x=-8.45811653137207, y=-5.179722309112549), 
    ((-1819.748514533043, 47.745243303477764), 333) 
) 
f = lambda tup: row(*np.asarray(tup[1][0])/tup[1][1]) 
f(x) 
## Row(x=-5.4647102538529815, y=0.14337910901945275) 

を