python - 在 Palantir Foundry 代码存储库中定义 Pandas UDF 的正确方法是什么
问题描述
我想在 Palantir Foundry 代码库中定义以下 pandas_udf。
@pandas_udf("long", PandasUDFType.GROUPED_AGG)
def percentile_95_udf(v):
return v.quantile(0.95)
但是当我尝试在全局范围内定义这个 udf 时,我得到了错误:
AttributeError: 'NoneType' object has no attribute '_jvm'
但是,如果我在转换调用的函数中定义相同的函数,则代码运行良好,如下所示:
from pyspark.sql import functions as F
from pyspark.sql.functions import pandas_udf, PandasUDFType
from transforms.api import transform, Input, Output
@transform(
data_out=Output("output path"),
data_in=Input("input path")
)
def percentile_95_transform(data_in, data_out):
data_out.write_dataframe(percentile_95(data_in.dataframe()))
def percentile_95(df):
@pandas_udf("long", PandasUDFType.GROUPED_AGG)
def percentile_95_udf(v):
return v.quantile(0.95)
# group rows for each interface into 1 day periods
grp_by = df.groupBy(df.objectId, F.window("TimeCaptured", "1 day"))
stats = [
percentile_95_udf(df.ReceivedWidgets),
percentile_95_udf(df.TransmittedWidgets),
]
result = grp_by.agg(*stats)
cleaned = result.withColumn("Day", F.col("window").start).drop("window")
return cleaned
为什么我的 pandas_udf 在全局范围内不起作用,但在另一个函数中定义时起作用?另外,是否有更好的方法来定义 pandas_udf?将其定义为嵌套函数会阻止我重用我的 udf。
作为参考,我在 Palantir Foundry 中的代码存储库具有以下结构:
transforms-python
conda_recipe
meta.yaml
src
myproject
datasets
__init__.py
percentile_95.py
__init__.py
pipeline.py
setup.cfg
setup.py
解决方案
原因有一个类似于这个问题的根本原因:PySpark error: AttributeError: 'NoneType' object has no attribute '_jvm'
当您在全局级别进行调用时,您会尝试在设置 spark 之前执行 spark 命令(在您的情况下是通过 pandas)。当您在转换内部进行调用时,火花可用,因此可以正常工作。
这里的主要问题是注释本身在顶层被调用,并且 spark 仅在转换运行时设置。当您从内部调用它时,def percentile_95(df):
实际上是从此处的转换中调用注释:
@transform(
data_out=Output("output path"),
data_in=Input("input path")
)
def percentile_95_transform(data_in, data_out):
data_out.write_dataframe(
percentile_95( # <-- here we're inside a transform
data_in.dataframe()))
如果您想在多个地方重用这些 UDF,也许您可以将它们包装在一个函数或一个类中,并在您要使用的每个转换中初始化。
推荐阅读
- mysql - how can I use 2 database in if else statement jsp?
- android - Has anyone got this google signin error after migrating to androidx
- javascript - problem understanding toggleClass and jquery selector
- python - How to avoid decoding to str: need a bytes-like object error in pandas?
- api - How to get the next page results of the blogger API posts/search?
- python - 如果时间戳不连续,则在文件中添加缺失的行
- python - Deep Q-Learning : torch.nn.functional.softmax crash
- freelancer.com-api - Freelancer API or_search_query
- php - $this 在 php 中如何工作?
- html - How to align the octagon and p tag at the center of col