这是 Pyspark 的。我是这个领域的新手，请多多包涵。
为了缩放功能，我了解到必须先将它们转换为向量，然后在这些向量列上使用MinMaxScaler（）。通常，您可以一次拍摄一个或多个矢量列，然后将其值写入另一列-使用以下方法：
new_df = VectorAssembler(inputCols = ["colA", "colB"], outputCol = "colC").transform(df)
因此，我了解这将在数据帧colC中添加另一个名为df的列。但是，与此相关的问题是，colC中的colA和colB的值都作为向量。
在这里，出现两个问题：
colC包含colC和colA的值作为矢量，只要MinMaxScaler（）能够完成工作，我就是以后可以分开。前者做到了，但后者却没有。我不知道如何分开他们。至少我还没有找到方法。这就是我的意思：https://spark.apache.org/docs/2.1.0/ml-features.html#minmaxscaler（在Python中寻找其示例）所以在那里，当您执行colB时，它显示为：
scaledData.select("features", "scaledFeatures").show()如何将+--------------+--------------+
| features|scaledFeatures|
+--------------+--------------+
|[1.0,0.1,-1.0]| [0.0,0.0,0.0]|
| [2.0,1.1,1.0]| [0.5,0.1,0.5]|
|[3.0,10.1,3.0]| [1.0,1.0,1.0]|
+--------------+--------------+
中的值分成两个单独的列？正则表达式？ 别看scaledFeatures。一样，只是没有缩放。
features的向量化缩放值为colC和 new 列，colA的向量化了标定值为colD。＃2的问题是colB和colC现在具有vectroized值。因此，原本应该只是数字的列中的每个值现在都放在方括号中-它们都已向量化。
类似这样的东西（这是我自己的数据集-并非来自上面的示例）：
colD我该如何取消？我无法在此df上执行+-------------------------------+---------------------------------+
| [0.5043343370745506]| [0.0912011325868883]|
| [0.5037868418651337]| [0.0912011325868883]|
| [0.5039693402682727]| [0.0912011325868883]|
| [0.5036955926635642]| [0.0912011325868883]|
| [0.5039693402682727]| [0.0912011325868883]|
| [0.5039693402682727]| [0.0912011325868883]|
| [0.5040605894698421]| [0.0912011325868883]|
| [0.5038780910667031]| [0.0912011325868883]|
| [0.5027831006478694]| [0.0912011325868883]|
| [0.5035130942604252]| [0.0912011325868883]|
+-------------------------------+---------------------------------+
。它只是抛出一个空表。
谢谢。
错误：
df.describe().show()