Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Normalizza un vettore float per la lunghezza dell'unità utilizzando il grado di norma specificato. Il grado predefinito è 2,0 (norma euclidea) se non specificato.
Per la funzione SQL di Databricks corrispondente, vedere vector_normalize funzione.
Sintassi
from pyspark.sql import functions as dbf
dbf.vector_normalize(vector=<vector>, degree=<degree>)
Parameters
| Parametro | Tipo | Description |
|---|---|---|
vector |
pyspark.sql.Column o il nome della colonna |
Colonna vettore di input. |
degree |
pyspark.sql.Column o il nome della colonna, facoltativo |
Grado di norma (1.0 per L1, 2.0 per L2, float('inf') per la norma infinito). Di default è 2.0. |
Returns
pyspark.sql.Column: vettore normalizzato come matrice di float.
Esempi
from pyspark.sql import functions as dbf
from pyspark.sql.types import ArrayType, FloatType, StructType, StructField
schema = StructType([StructField('v', ArrayType(FloatType()))])
df = spark.createDataFrame([([3.0, 4.0],)], schema)
df.select(dbf.vector_normalize('v', dbf.lit(2.0).cast('float'))).first()[0]
# [0.6..., 0.8...]