我正在从官方文档网站复制pyspark.ml的示例：http://spark.apache.org/docs/latest/api/python/pyspark.ml.html#pyspark.ml.Transformer

data = [(Vectors.dense([0.0, 0.0]),), (Vectors.dense([1.0, 1.0]),),(Vectors.dense([9.0, 8.0]),), (Vectors.dense([8.0, 9.0]),)]df = spark.createDataFrame(data, ["features"])kmeans = KMeans(k=2, seed=1)model = kmeans.fit(df)

然而，上面的示例无法运行，并给出了以下错误：

---------------------------------------------------------------------------NameError                                 Traceback (most recent call last)<ipython-input-28-aaffcd1239c9> in <module>()      1 from pyspark import *      2 data = [(Vectors.dense([0.0, 0.0]),), (Vectors.dense([1.0, 1.0]),),(Vectors.dense([9.0, 8.0]),), (Vectors.dense([8.0, 9.0]),)]----> 3 df = spark.createDataFrame(data, ["features"])      4 kmeans = KMeans(k=2, seed=1)      5 model = kmeans.fit(df)NameError: name 'spark' is not defined

需要设置哪些额外的配置/变量来运行这个示例？

回答：

由于您调用的是createDataFrame()，您需要这样做：

df = sqlContext.createDataFrame(data, ["features"])

而不是这样：

df = spark.createDataFrame(data, ["features"])

spark在这里代表的是sqlContext。

一般来说，有些人将其称为sc，所以如果上述方法不起作用，您可以尝试：

df = sc.createDataFrame(data, ["features"])