创建一个密集向量的单位矩阵作为 Spark 数据帧
Posted
技术标签:
【中文标题】创建一个密集向量的单位矩阵作为 Spark 数据帧【英文标题】:Create an identity matrix of densevectors as a Spark dataframe 【发布时间】:2017-02-08 16:04:54 【问题描述】:我需要了解如何在 Spark 中创建任意大小的 DenseVectors
单位矩阵。我试图从mllib.linalg.distributed
模块做一些事情,但无济于事。我需要的是一个具有一列“特征”的数据框,其中 DenseVectors
作为其行,其中每一行是单位矩阵中的对应行。
【问题讨论】:
【参考方案1】:pyspark.mllib.linalg.distributed
简单明了:
from pyspark.mllib.linalg.distributed import MatrixEntry, CoordinateMatrix
from pyspark import SparkContext
def identity(n: int, sc: SparkContext) -> CoordinateMatrix:
return CoordinateMatrix(
sc.range(n).map(lambda i: MatrixEntry(i, i, 1.0)), n, n)
使用DataFrames
和DenseVectors
没有多大意义。首先DataFrames
没有排序,不支持代数运算。此外,使用DenseVectors
会导致任何大小的矩阵出现内存问题,在这种情况下使用分布式数据结构是合理的。
【讨论】:
以上是关于创建一个密集向量的单位矩阵作为 Spark 数据帧的主要内容,如果未能解决你的问题,请参考以下文章