spark dataframe列归一化以及读写

val embddding_seq_data = ss.read.option("sep","\t")
  .csv("/")
  .toDF("feedid","embedding")
embddding_seq_data

以tfrecode形式写入hdfs里面:

trainData.write.mode(SaveMode.Overwrite).format("tfrecords").option("recordType", "Example").save(trainPath)
  def min_max_norm(sp: SparkSession, df: DataFrame, colName: String): DataFrame = {
    import sp.implicits._
    /*对df数据的每一列进行归一化
    * */
    val per: scala.Array[scala.Double] = df.stat.approxQuantile(colName, Array(0.01, 0.99), 0.001)
    val low = per(0)
    val high = per(1)
    println(colName + " min: " + low + " high: " + high)
    df.withColumn(colName, when(col(colName) > high, high).otherwise(col(colName)))
      .withColumn(colName, when(col(colName) < low, low).otherwise(col(colName)))
      .withColumn(colName, (col(colName) - low) / (high - low))
    }
  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值