我在pyspark中遇到了一个奇怪的问题,我想定义和使用UDF。我总是收到此错误:
TypeError: 无效的返回类型: returnType 应该是 DataType 或 str,但<'pyspark.sql.types.IntegerType'>
我的代码实际上非常简单:
from pyspark.sql import SparkSession
from pyspark.sql.types import IntegerType
def square(x):
return 2
def _process():
spark = SparkSession.builder.master("local").appName('process').getOrCreate()
spark_udf = udf(square,IntegerType)
问题可能出在 IntegerType 上,但我不知道这有什么问题。我正在使用Python version 3.5.3
和spark version 2.4.1
由于您直接使用IntegerType
而不调用它会导致问题
def _process():
spark = SparkSession.builder.master("local").appName('process').getOrCreate()
spark_udf = udf(square,IntegerType())
尝试调用类型IntegerType()
,它应该可以正常工作。