如何使用 spark_apply() 使用 combn() 生成组合

Question

我想使用 spark 为相对较大的输入列表（200 ish）生成 combn() 函数的输出，以及 m (2-5) 的不同值，但是我遇到了麻烦包括在spark_apply()中。

我目前的方法的一个 mwe (based on this)：

names_df <- data.frame(name = c("Alice", "Bob", "Cat"), 
                   types = c("Human", "Human", "Animal"))

combn(names_df$name, 2)

name_tbl <- sdf_copy_to(sc = sc,
                        x = names_df,
                        name = "name_table")

name_tbl %>%
  select(name) %>%
  spark_apply(function(e) combn(e, 2))

错误消息输出很大，但我无法理解如何使用该信息来改进我的方法。

我希望得到像 MWE 的第二行那样的输出。 combn() 期望的“矢量源”不是我提供的 select() 的问题吗？还是 select 没有返回“可强制转换为 Spark DataFrame 的对象（通常是 spark_tbl）”？无论哪种方式，有没有一种方法可以让我达到预期的效果？

我也试过这个，但没有成功：

name_tbl %>%
  select(name) %>% # removing this also doesn't work
  spark_apply(function(e) combn(e$name, 2))

编辑：所以expand.grid 工作正常，这表明combn 的返回存在一些问题，无法强制转换为data.frame。

工作expand.grid:

name_tbl %>%
  spark_apply(function(e) expand.grid(e))

编辑 2：

仔细阅读文档后，我现在还尝试将函数强制转换为 data.frame，正如它所说：

您的 R 函数应设计为在 R 数据帧上运行。传递给 spark_apply 的 R 函数需要一个 DataFrame，并将返回一个可以转换为 DataFrame 的对象。

但是，以下也没有成功：

name_tbl %>%
  spark_apply(function(e) data.frame(combn(e$name, 2)))

name_tbl %>%
  select(name) %>%
  spark_apply(function(e) data.frame(combn(e, 2)))

Answer 1

问题似乎是combn()不能与因子一起正常工作，代码还需要命名列，如：

name_tbl %>%
  spark_apply(
    function(e) data.frame(combn(as.character(e$name), 2)),
    names = c("1", "2", "3")
  )

# Source:   table<sparklyr_tmp_626bc0dd927> [?? x 3]
# Database: spark_connection
    `1`   `2`   `3`
  <chr> <chr> <chr>
1 Alice Alice   Bob
2   Bob   Cat   Cat