我需要添加两个存储在两个文件中的矩阵。
latest1.txt
和latest2.txt
的内容有下一个str:
1 2 3 4 5 6 7 8 9
我正在阅读以下文件:
scala> val rows = sc.textFile(“latest1.txt”).map { line => val values = line.split(‘ ‘).map(_.toDouble)
Vectors.sparse(values.length,values.zipWithIndex.map(e => (e._2, e._1)).filter(_._2 != 0.0))
}
scala> val r1 = rows
r1: org.apache.spark.rdd.RDD[org.apache.spark.mllib.linalg.Vector] = MappedRDD[2] at map at :14
scala> val rows = sc.textFile(“latest2.txt”).map { line => val values = line.split(‘ ‘).map(_.toDouble)
Vectors.sparse(values.length,values.zipWithIndex.map(e => (e._2, e._1)).filter(_._2 != 0.0))
}
scala> val r2 = rows
r2: org.apache.spark.rdd.RDD[org.apache.spark.mllib.linalg.Vector] = MappedRDD[2] at map at :14
我想添加r1,r2。那么,有没有办法在Apache-Spark中添加这两个RDD[mllib.linalg.Vector]
。
答案 0 :(得分:19)
这实际上是一个很好的问题。我定期与mllib合作,并没有意识到这些基本的线性代数操作不易获取。
关键是底层的微风向量具有您期望的所有线性代数操作 - 当然包括您特别提到的基本元素添加。
然而,通过以下方式隐藏了外界的微风实施:
[private mllib]
那么,从外部世界/公共API的角度来看,我们如何访问这些原语?
其中一些已曝光:例如平方和:
/**
* Returns the squared distance between two Vectors.
* @param v1 first Vector.
* @param v2 second Vector.
* @return squared distance between two Vectors.
*/
def sqdist(v1: Vector, v2: Vector): Double = {
...
}
然而,这些可用方法的选择是有限的 - 实际上不包括基本操作,包括元素加法,减法,乘法等。
所以这是我能看到的最好的:
以下是一些示例代码:
val v1 = Vectors.dense(1.0, 2.0, 3.0)
val v2 = Vectors.dense(4.0, 5.0, 6.0)
val bv1 = new DenseVector(v1.toArray)
val bv2 = new DenseVector(v2.toArray)
val vectout = Vectors.dense((bv1 + bv2).toArray)
vectout: org.apache.spark.mllib.linalg.Vector = [5.0,7.0,9.0]
答案 1 :(得分:2)
以下代码公开了Spark中的asBreeze和fromBreeze方法。与使用SparseVector
相比,此解决方案支持vector.toArray
。请注意,Spark可能会在将来更改其API,并且已将toBreeze
重命名为asBreeze
。
package org.apache.spark.mllib.linalg
import breeze.linalg.{Vector => BV}
import org.apache.spark.sql.functions.udf
/** expose vector.toBreeze and Vectors.fromBreeze
*/
object VectorUtils {
def fromBreeze(breezeVector: BV[Double]): Vector = {
Vectors.fromBreeze( breezeVector )
}
def asBreeze(vector: Vector): BV[Double] = {
// this is vector.asBreeze in Spark 2.0
vector.toBreeze
}
val addVectors = udf {
(v1: Vector, v2: Vector) => fromBreeze( asBreeze(v1) + asBreeze(v2) )
}
}
有了这个,你可以df.withColumn("xy", addVectors($"x", $"y"))
。