Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Normaliza um vetor flutuante para o comprimento da unidade usando o grau de norma especificado. O grau padrão será 2.0 (norma euclidiana) se não for especificado.
Para a função SQL do Databricks correspondente, consulte a função vector_normalize.
Sintaxe
from pyspark.sql import functions as dbf
dbf.vector_normalize(vector=<vector>, degree=<degree>)
Parameters
| Parâmetro | Tipo | Descrição |
|---|---|---|
vector |
pyspark.sql.Column ou nome da coluna |
Coluna de vetor de entrada. |
degree |
pyspark.sql.Column ou nome da coluna, opcional |
Grau de norma (1.0 para L1, 2.0 para L2, float('inf') para norma de infinito). Usa 2.0 como padrão. |
Returns
pyspark.sql.Column: o vetor normalizado como uma matriz de floats.
Exemplos
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...]