Ошибка при преобразовании из фрейма данных spark с датами в фрейм данных pandas - PullRequest
0 голосов
/ 27 февраля 2019

У меня есть искровой фрейм данных с этой схемой:

root
 |-- product_id: integer (nullable = true)
 |-- stock: integer (nullable = true)
 |-- start_date: date (nullable = true)
 |-- end_date: date (nullable = true)

При попытке передать его в pandas_udf или преобразовать в фрейм данных pandas с помощью:

pandas_df = spark_df.toPandas()

Возвращаетэта ошибка:

AttributeError        Traceback (most recent call last)
<ipython-input-86-4bccc6e8422d> in <module>()
     10 # spark_df.printSchema()
     11 
---> 12 pandas_df = spark_df.toPandas()

/home/.../lib/python2.7/site-packages/pyspark/sql/dataframe.pyc in toPandas(self)
   2123                         table = pyarrow.Table.from_batches(batches)
   2124                         pdf = table.to_pandas()
-> 2125                         pdf = _check_dataframe_convert_date(pdf, self.schema)
   2126                         return _check_dataframe_localize_timestamps(pdf, timezone)
   2127                     else:

/home.../lib/python2.7/site-packages/pyspark/sql/types.pyc in _check_dataframe_convert_date(pdf, schema)
   1705     """
   1706     for field in schema:
-> 1707         pdf[field.name] = _check_series_convert_date(pdf[field.name], field.dataType)
   1708     return pdf
   1709 

/home/.../lib/python2.7/site-packages/pyspark/sql/types.pyc in _check_series_convert_date(series, data_type)
   1690     """
   1691     if type(data_type) == DateType:
-> 1692         return series.dt.date
   1693     else:
   1694         return series

/home/.../lib/python2.7/site-packages/pandas/core/generic.pyc in __getattr__(self, name)
   5061         if (name in self._internal_names_set or name in self._metadata or
   5062                 name in self._accessors):
-> 5063             return object.__getattribute__(self, name)
   5064         else:
   5065             if self._info_axis._can_hold_identifiers_and_holds_name(name):

/home/.../lib/python2.7/site-packages/pandas/core/accessor.pyc in __get__(self, obj, cls)
    169             # we're accessing the attribute of the class, i.e., Dataset.geo
    170             return self._accessor
--> 171         accessor_obj = self._accessor(obj)
    172         # Replace the property with the accessor object. Inspired by:
    173         # http://www.pydanny.com/cached-property.html

/home/.../lib/python2.7/site-packages/pandas/core/indexes/accessors.pyc in __new__(cls, data)
    322             pass  # we raise an attribute error anyway
    323 
--> 324         raise AttributeError("Can only use .dt accessor with datetimelike "
    325                              "values")

AttributeError: Can only use .dt accessor with datetimelike values

Если поля данных сбрасываются с фрейма данных spark, преобразование работает без проблем.

Я проверил, что данные не содержат нулевых значений, но было бы неплохочтобы знать, как с этим справиться.

Я использую python2.7 с:

  • pyspark == 2.4.0
  • pyarrow == 0,12.1
  • панд == 0.24.1

1 Ответ

0 голосов
/ 15 марта 2019

Похоже, ошибка.Та же проблема с pyarrow == 0.12.1 и pyarrow == 0.12.0.Преобразование столбца данных искрового кадра в TIMESTAMP работает для меня.

spark.sql('SELECT CAST(date_column as TIMESTAMP) FROM foo')

Также откат к pyarrow == 0.11.0 решает проблему.(мой питон 3.7.1 и панды 0.24.2)

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...