Java 类名：com.alibaba.alink.pipeline.dataproc.vector.VectorElementwiseProduct
Python 类名：VectorElementwiseProduct

功能介绍

Vector 中的每一个非零元素与scalingVector的每一个对应元素乘，返回乘积后的新vector。

参数说明

名称 中文名称 描述 类型 是否必须？ 取值范围 默认值
scalingVector 尺度变化向量。 尺度的变化向量。 String ✓
selectedCol 选中的列名 计算列对应的列名 String ✓
outputCol 输出结果列 输出结果列列名，可选，默认null String null
reservedCols 算法保留列名 算法保留列 String[] null
numThreads 组件多线程线程个数 组件多线程线程个数 Integer 1

代码示例

Python 代码

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.     ["1:3 2:4 4:7", 1],
  9.     ["0:3 5:5", 3],
  10.     ["2:4 4:5", 4]
  11. ])
  13. data = BatchOperator.fromDataframe(df, schemaStr="vec string, id bigint")
  14. vecEP = VectorElementwiseProduct().setSelectedCol("vec") \
  15.     .setOutputCol("vec1") \
  16.     .setScalingVector("$8$1:3.0 3:3.0 5:4.6")
  17. vecEP.transform(data).collectToDataframe()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  5. import com.alibaba.alink.pipeline.dataproc.vector.VectorElementwiseProduct;
  6. import org.junit.Test;
  8. import java.util.Arrays;
  9. import java.util.List;
  11. public class VectorElementwiseProductTest {
  12.     @Test
  13.     public void testVectorElementwiseProduct() throws Exception {
  14.         List <Row> df = Arrays.asList(
  15.             Row.of("1:3 2:4 4:7", 1),
  16.             Row.of("0:3 5:5", 3),
  17.             Row.of("2:4 4:5", 4)
  18.         );
  19.         BatchOperator <?> data = new MemSourceBatchOp(df, "vec string, id int");
  20.         VectorElementwiseProduct vecEP = new VectorElementwiseProduct().setSelectedCol("vec")
  21.             .setOutputCol("vec1")
  22.             .setScalingVector("$8$1:3.0 3:3.0 5:4.6");
  23.         vecEP.transform(data).print();
  24.     }
  25. }

运行结果

| vec | id | vec1 | | —- | —- | —- |

| 1:3,2:4,4:7 | 1 | 1:9.0 2:0.0 4:0.0 |

| 0:3,5:5 | 3 | 0:0.0 5:23.0 |

| 2:4,4:5 | 4 | 2:0.0 4:0.0 |