PySparkでKMeansクラスタリングを実行しています

Question

SparkでKMeansクラスタ解析を実行しようとしたのは初めてのことです。愚かな質問をおかけして申し訳ありません。

多くの列を持つスパークデータフレームmydataframeがあります。私は、単純な値として、latとlong（緯度&経度）の2つの列でkmeansを実行したいとします。私はちょうどそれらの2つの列に基づいて7つのクラスターを抽出したいと思います。

from numpy import array 
from math import sqrt 
from pyspark.mllib.clustering import KMeans, KMeansModel 

# Prepare a data frame with just 2 columns: 
data = mydataframe.select('lat', 'long') 

# Build the model (cluster the data) 
clusters = KMeans.train(data, 7, maxIterations=15, initializationMode="random") 

をしかし、私はエラーを取得しています：私が試した

'DataFrame' object has no attribute 'map'

1はKMeans.trainにフィードオブジェクトでなければなりませんか？ 明らかに、DataFrameを受け入れません。 分析のためにデータフレームをどのように準備すればよいですか？

ありがとうございました！

Answer 1

メソッドKMeans.trainは、データフレーム（データ）ではなくRDDをimputとして受け取ります。したがって、データをrdd：data.rddに変換するだけで済みます。 お手伝いをしてください。