我正在关注"Learning PySpark"教程（在this link） . 当我跑
selector = ft.ChiSqSelector(4).fit(births_train)
s1 = births_train.map(lambda row: row.label)
s2 = selector.transform(births_train.map(lambda row: row.features))
print(s1.take(1))
print(s2.take(1))
print(type(s1))
print(type(s2))
我有这个输出：
[0.0] [DenseVector（[0.0,99.0,99.0,999.0]）] <class'pyspark.rdd.PipelinedRDD'> <class'pyspark.rdd.RDD'>
当我尝试将结果与zip合并时，就像教程建议的那样：
s3=s1.zip(s2)
print(type(s3))
print(s3.collect())
我收到此错误：
<class'pyspark.rdd.RDD'> --------------------------------------- ------------------------------------ Py4JJavaError Traceback（最近一次调用last）in（）1 s3 = s1.zip（s2）2 print（type（s3））----> 3 print（s3.collect（））/ content/spark-2.3.1-bin-hadoop2.7/python/pyspark/rdd.py在collect（self）832“”“833与SCCallSiteSync（self.context）作为css： - > 834 sock_info = self.ctx._jvm.PythonRDD.collectAndServe（self._jrdd.rdd（））835返回列表（_load_from_socket（ sock_info，self._jrdd_deserializer））836 /content/spark-2.3.1-bin-hadoop2.7/python/lib/py4j-0.10.7-src.zip/py4j/java_gateway.py in call（self，* args） 1255 answer = self.gateway_client.send_command（command）1256 return_value = get_return_value（ - > 1257 answer，self.gateway_client，self.target_id，self.name）1258 1259 temp_arg in temp_args：/content/spark-2.3.1-bin -hadoop2.7 / python / pyspark / sql / utils.py in deco（* a，** kw）61 def deco（* a，** kw）：62 try：---> 63 return f（* a， ** kw）64除py4j.protocol.Py4JJavaError外为e：65 s = e.jav get_return_value中的a_exception.toString（）/ content/spark-2.3.1-bin-hadoop2.7/python/lib/py4j-0.10.7-src.zip/py4j/protocol.py（answer，gateway_client，target_id，name） 326引发Py4JJavaError（327“调用{0} {1} {2}时发生错误 . \ n” . - > 328格式（target_id，“ . ”，名称），值）329 else：330引发Py4JError（Py4JJavaError：调用z时发生错误：org.apache.spark.api.python.PythonRDD.collectAndServe . ：org . apache.spark.SparkException：作业因阶段失败而中止：阶段308.0中的任务0失败1次，最近失败：阶段308.0中失去的任务0.0（TID 8596，localhost， Actuator 驱动程序）：org.apache.spark.api . python.PythonException：Traceback（最近一次调用最后一次）：文件“/content/spark-2.3.1-bin-hadoop2.7/python/lib/pyspark.zip/pyspark/worker.py”，第230行，主进程（）文件“/content/spark-2.3.1-bin-hadoop2.7/python/lib/pyspark.zip/pyspark/worker.py”，第225行，在进程serializer.dump_stream（func（split_index，iterator）中， outfile）文件“/content/spark-2.3.1-bin-hadoop2.7/python/lib/pyspark.zip/pyspark/serializers.py”，第324行，在dump_stream中self.serializer.dump_stream（self._batched（iterator） ），stream）文件“/content/spark-2.3.1-bin-hadoop2.7/python/lib/pyspark.zip/pyspark/serializers.py”，l ine 139，在dump_stream中用于迭代器中的obj：文件“/content/spark-2.3.1-bin-hadoop2.7/python/lib/pyspark.zip/pyspark/serializers.py”，第313行，在_batched中用于项目迭代器：文件“”，第1行，在文件“/content/spark-2.3.1-bin-hadoop2.7/python/lib/pyspark.zip/pyspark/worker.py”，第75行，作为回报lambda * a ：f（* a）文件“/content/spark-2.3.1-bin-hadoop2.7/python/pyspark/util.py”，第55行，在包装器返回f（* args，** kwargs）文件“” ，第9行，重新编码KeyError：'1'
为什么？