以下是这个问题的答案：如何将Row类型转换为Vector，以提供给KMean

我已经为我的数据创建了特征表。(< code>assembler是一个矢量汇编程序)

val kmeanInput  = assembler.transform(table1).select("features")

当我使用kmeanInput运行k-means时

val clusters = KMeans.train(kmeanInput, numCluster, numIteration)

我得到了错误

：102：错误：类型不匹配;找到 ： org.apache.spark.sql.DataFrame （展开为） org.apache.spark.sql.Dataset[org.apache.spark.sql.Row] required： org.apache.spark.rdd.RDD[org.apache.spark.mllib.linalg.Vector] val clusters = KMeans.train（kmeanInput， numCluster， numIteration）

正如@Jed在他的回答中提到的，这是因为行不是< code>Vectors.dense格式。为了解决这个问题，我尝试

 val dat = kmeanInput.rdd.map(lambda row: Vectors.dense([x for x in 
 row["features"]]))

我得到了这个错误

： 3：错误：'）'预期但'（'找到.val dat=kmeanInput.rdd.map（lambda行：Vectors.密集（[x for x in row["特征"]]））

:3:错误:“；”应为，但找到了“)”。val dat = kmean input . rdd . map(lambda row:vectors . dense([x for x in row[" features "]]))