Java 类名:com.alibaba.alink.operator.batch.dataproc.vector.VectorElementwiseProductBatchOp
Python 类名:VectorElementwiseProductBatchOp

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。
ScalingVector 通过参数单独指定。

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 所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR]
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 *
  2. import pandas as pd
  3. useLocalEnv(1)
  4. # load data
  5. df = pd.DataFrame([
  6. ["1:3,2:4,4:7", 1],
  7. ["0:3,5:5", 3],
  8. ["2:4,4:5", 4]
  9. ])
  10. data = BatchOperator.fromDataframe(df, schemaStr="vec string, id bigint")
  11. vecEP = VectorElementwiseProductBatchOp().setSelectedCol("vec") \
  12. .setOutputCol("vec1") \
  13. .setScalingVector("$8$1:3.0 3:3.0 5:4.6")
  14. data.link(vecEP).print()

Java 代码

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

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 |