Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Normalise un vecteur float en longueur unitaire à l’aide du degré de norme spécifié. Degré par défaut sur 2.0 (norme euclide) s’il n’est pas spécifié.
Pour obtenir plus de détails sur la fonction SQL de Databricks correspondante, consultez vector_normalize.
Syntax
from pyspark.sql import functions as dbf
dbf.vector_normalize(vector=<vector>, degree=<degree>)
Parameters
| Parameter | Type | Description |
|---|---|---|
vector |
pyspark.sql.Column ou nom de colonne |
Colonne de vecteur d’entrée. |
degree |
pyspark.sql.Column ou nom de colonne, facultatif |
Degré de norme (1.0 pour L1, 2.0 pour L2, float('inf') pour la norme d’infini). La valeur par défaut est 2.0. |
Returns
pyspark.sql.Column: vecteur normalisé sous la forme d’un tableau de floats.
Exemples
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...]