python-将字符串列转换为矢量列Spark DataFrames
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python-将字符串列转换为矢量列Spark DataFrames,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1059字,纯文字阅读大概需要2分钟。
内容图文
我有一个Spark数据框,看起来如下:
+-----------+-------------------+
| ID | features |
+-----------+-------------------+
| 18156431|(5,[0,1,4],[1,1,1])|
| 20260831|(5,[0,4,5],[2,1,1])|
| 91859831|(5,[0,1],[1,3]) |
| 206186631|(5,[3,4,5],[1,5]) |
| 223134831|(5,[2,3,5],[1,1,1])|
+-----------+-------------------+
在此数据框中,features列是稀疏向量.在我的脚本中,我必须将此DF作为文件保存在磁盘上.这样做时,功能部件列另存为文本列:例如“(5,[0,1,4],[1,1,1])”.
如您所料,当再次在Spark中导入时,该列将保留字符串.如何将列转换回(稀疏)矢量格式?
解决方法:
由于UDF开销不是特别有效(使用保留类型的格式是一个好主意),但是您可以执行以下操作:
from pyspark.mllib.linalg import Vectors, VectorUDT
from pyspark.sql.functions import udf
df = sc.parallelize([
(18156431, "(5,[0,1,4],[1,1,1])")
]).toDF(["id", "features"])
parse = udf(lambda s: Vectors.parse(s), VectorUDT())
df.select(parse("features"))
请注意,这不会直接移植到2.0.0和ML Vector.由于ML向量不提供解析方法,因此您必须解析为MLLib并使用asML:
parse = udf(lambda s: Vectors.parse(s).asML(), VectorUDT())
内容总结
以上是互联网集市为您收集整理的python-将字符串列转换为矢量列Spark DataFrames全部内容,希望文章能够帮你解决python-将字符串列转换为矢量列Spark DataFrames所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。