web-dev-qa-db-ja.com

Zeppelin：Scalaデータフレームからpython

DataFrameでScala段落がある場合、それをpythonで共有して使用できますか（理解しているように、pysparkは py4j を使用します）

私はこれを試しました：

Scala段落：

x.printSchema
z.put("xtable", x )

Python段落：

%pyspark

import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import seaborn as sns

the_data = z.get("xtable")

print the_data

sns.set()
g = sns.PairGrid(data=the_data,
                 x_vars=dependent_var,
                 y_vars=sensor_measure_columns_names +  operational_settings_columns_names,
                 hue="UnitNumber", size=3, aspect=2.5)
g = g.map(plt.plot, alpha=0.5)
g = g.set(xlim=(300,0))
g = g.add_legend()

エラー：

Traceback (most recent call last):
  File "/tmp/zeppelin_pyspark.py", line 222, in <module>
    eval(compiledCode)
  File "<string>", line 15, in <module>
  File "/usr/local/lib/python2.7/dist-packages/seaborn/axisgrid.py", line 1223, in __init__
    hue_names = utils.categorical_order(data[hue], hue_order)
TypeError: 'JavaObject' object has no attribute '__getitem__'

解決：

%pyspark

import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import seaborn as sns

import StringIO
def show(p):
    img = StringIO.StringIO()
    p.savefig(img, format='svg')
    img.seek(0)
    print "%html <div style='width:600px'>" + img.buf + "</div>"

df = sqlContext.table("fd").select()
df.printSchema
pdf = df.toPandas()

g = sns.pairplot(data=pdf,
                 x_vars=["setting1","setting2"],
                 y_vars=["s4", "s3", 
                         "s9", "s8", 
                         "s13", "s6"],
                 hue="id", aspect=2)
show(g)

cluster visualisation

pythonapache-sparkpysparkapache-zeppelin
13
oluies

DataFrameをScalaの一時テーブルとして登録できます。

// registerTempTable in Spark 1.x
df.createTempView("df")

Python with SQLContext.table：

df = sqlContext.table("df")

本当にput/getを使用したい場合は、最初からビルドPython DataFrame：

z.put("df", df: org.Apache.spark.sql.DataFrame)

from pyspark.sql import DataFrame

df = DataFrame(z.get("df"), sqlContext)

matplotlibでプロットするには、DataFrameをローカルPython collectまたはtoPandasのいずれかを持つオブジェクトに変換する必要があります。

pdf = df.toPandas()

ドライバーにデータをフェッチすることに注意してください。

参照 moving Spark DataFrame from Python to Scala whithn Zeppelin

22
zero323