前言
最近在研究pyspark,用到的主要是pyspark的sql模块和ml模块。
既然用到sql模块,便免不了要涉及dataframe。
至于dataframe的基本操作,大家可以自行百度或者必应,很容易上手的啦。
但是坑很多,要慢慢调,要耐心。
上次讲到了pyspark的dataframe如何做词向量,详情参见Pyspark系列笔记–如何在一个pysprk Dataframe上训练word2vec模型,这次就是在做完词向量以后要对dataframe进行拼接时,遇到了各种坑,在此写个博客,以便各位参考。
本次实验环境:
pyspark 1.5.0
python 2.7
Step 1. 继续上次的词向量
from pyspark.ml.feature import Word2Vec
model = Word2Vec(vectorSize=5, seed=42, inputCol="name", outputCol="model").fit(jsonDF)
model.getVectors().show()
结果如下: