Kmeans使用数据帧列

Question

我有这样的想法：

wines = spark.table("dane_nowe_csv")
selected = wines.select("price")

价格是双倍。 问题是如何将此“选定”类型转换为有效类型以用于：

clusters = KMeans.train(selected, 2, maxIterations=10, initializationMode="random")

我今天试着做了很多次，我搜索了几十个主题，总是有一些错误，我有一种感觉，有一些简单的方法可以做到这一点

Answer 1

wines = spark.table("dane_nowe_csv")
selected = wines.select("price").map(s => s.getAs[Vector])
clusters = KMeans.train(selected, 2, maxIterations=10,initializationMode="random")

KMeans将rdd作为输入，而不是数据帧或列