Tengo un vector llamado `pca`, del cual descompongo sus valores los cuales llame `x` y `y` de la siguiente manera: from pyspark.ml.linalg import Vectors var = transformed.select('customer_id','pca') def extract(row): return (row.customer_id, ) + tuple(row.pca.toArray().tolist()) var_a = var.rdd.map(extract).toDF(["customer_id"]) var_a = var_a.withColumnRenamed("_2","x") var_a = var_a.withColumnRenamed("_3","y") var_a.show() Dándome como resultado: [![introducir la descripción de la imagen aquí][1]][1] Luego separo x y y de la siguiente forma: x = var_a.select("x") y = var_a.select("y") Esto con el fin de poder hacer un `ScatterPlot` de las dos varibles, mi intento fue como se muestra en el siguiente código. Cabe mencionar que la columna `prediction` a la que hago referencia lo único que me trae son valores del 0 al 6, por ende los siete colores de asignación para diferenciar los `clusters`. df = predictions_pca.select('prediction').toPandas() colores=['red','green','blue','yellow','fuchsia','black','purple'] asignar=[] for row in df: asignar.append(colores[int(row)]) plt.scatter(x, y, c=asignar, s=1) plt.xlabel('Var_1') plt.ylabel('Var_2') plt.title('K-Means Clustering') plt.show() Si embargo, a pesar de esto me marca in error en el código. Alguien podría orientarme o decirme que estoy haciendo mal. Adjunto la traza del error que me marca: [![introducir la descripción de la imagen aquí][2]][2] [1]: https://i.sstatic.net/bKMu2.png [2]: https://i.sstatic.net/u8Gcj.png