我在Pig脚本中使用Python UDF遇到麻烦。我相信问题是我假设输入增量是一种实际上并不存在的格式,但是我不确定如何解决它(Python n00b)。
注意:在Hadoop v.2.0.0,Pig v.0.11.0,Python 2.4.3的Cloudera(cdh4.3)发行版上。
import org.apache.pig.impl.logicalLayer.schema.SchemaUtil as SchemaUtil
@outputSchema("adj:float")
def cumRelFreqAdj(deltas):
# create bins of increment 0.01
a = [i*-0.01 for i in range(100)]
a = a[1:len(a)]
b = [i*0.01 for i in range(101)]
a.extend(b)
a.sort()
bins = a
# build cumulative relative frequency distribution
cumfreq = [0]*200
for delta in deltas:
for bin in range(len(bins)):
if delta <= bins[bin]:
cumfreq[bin] += 1
cumrelfreq = [float(cumfreq[i]) / max(cumfreq) for i in range(len(cumfreq))]
crf = zip(bins, cumrelfreq)
for relfreq in crf[:]:
if relfreq[1] > 0.11: # 10%ile
adj = relfreq[0] + 0.05
break
return adj
我需要先将输入内容转换为列表吗?
最佳答案
回答了我自己的问题。 Pig的输入是一袋元组。在我的情况下,每个元组都有一个元素,例如:{(-0.01),(-0.03),(0.00001),(-0.2383),(0.158)}。
因此,为了将其与另一个列表箱中的float型元素进行比较,我需要插入以下内容:
delta = list(delta)[0]
在上方的第16和17行之间,以拉出作为元组内容的浮点型数据元素。然后,第18行的比较将起作用。
关于python - 数据类型不匹配导致比较失败? Pig中的Python UDF,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19211728/