스택큐힙리스트

질문:: >>> oe = OneHotEncoder(inputCol=c_idx,outputCol=c_idx_vec) >>> fe = oe.transform(ff) >>> fe.show() +----+---+-----+-------------+ | x| c|c_idx| c_idx_vec| +----+---+-----+-------------+ | 1.0| a| 0.0|(2,[0],[1.0])| | 1.5| a| 0.0|(2,[0],[1.0])| |10.0| b| 1.0|(2,[1],[1.0])| | 3.2| c| 2.0| (2,[],[])| +----+---+-----+-------------+ 물론, 이 동작은 변경될 수 있습니다: >>> oe.setDropLast(False) >>> fl = oe.tra..

1) Mgr에서 클라이언트 요청에 따라 여러 모니터 데이터를 어떻게 정렬할 수 있을까요? 각 모니터는 클라이언트 요청에 맞게 결과를 제공할 수 있지만, 여전히 자바를 통해 여러 기계 데이터를 어떻게 병합할 수 있을까요? MGR에서 여러 클러스터에서 검색된 결과를 메모리 내부에서 SQL 집계/스칼라 함수(예: Groupby, orderby, avg)를 수행하는 방법은 무엇인가요? 자바에서 DB SQL 집계/스칼라 기능을 어떻게 구현할 수 있을까요? 알려진 API가 있나요? Hadoop의 mapreduce 기술에서 Reduce 부분이 필요한 것 같습니다. 2) UI에서의 요청(예: select count(*) from DB where Memory > 1000MB)을 여러 기계로 전달해야 합니다. 이제 개별 ..

다른 쇼핑 항목을 갖는 고객 목록 사이의 관련성을 계산하기 위해 멀티스레딩을 사용하는 데 어려움을 겪고 있습니다. 1,000 명의 고객으로 구성된 판다 데이터 프레임이 있으므로 100 만 번의 관련성을 계산해야 하며, 이 작업은 너무 오래 걸립니다. 데이터 프레임의 예는 다음과 같습니다: ID 항목 1 바나나 1 사과 2 오렌지 2 바나나 2 토마토 3 사과 3 토마토 3 오렌지 다음은 코드의 간소화된 버전입니다:import pandas as pd def relatedness (customer1, customer2): # 고객간의 관련성을 측정하기 위한 계산 수행 data= pd.read_csv(data_file) customers_list= list (set(data['ID'])) relatedness..

나는 몇 명의 소셜 미디어 사용자와 그의/그녀의 팔로워를 가진 데이터 테이블을 가지고 있습니다. 원래의 데이터 테이블은 다음 형식을 갖고 있습니다: X.USERID FOLLOWERS 1081 4053807021,2476584389,4713715543, ... 따라서 각 행은 사용자와 그의/그녀의 ID와 쉼표로 구분된 팔로워 벡터를 포함합니다. 총 24,000개의 고유한 사용자 ID와 160,000,000개의 고유한 팔로워가 있습니다. 원래의 테이블을 다음 형식으로 변환하고 싶습니다: X.USERID FOLLOWERS 1: 1081 4053807021 2: 1081 2476584389 3: 1081 4713715543 4: 1081 580410695 5: 1081 4827723557 6: 1081 7043..