python的火花矩阵乘法

我正在尝试使用Apache Spark和Python进行矩阵乘法。python的火花矩阵乘法

这里是我的数据

from pyspark.mllib.linalg.distributed import RowMatrix

我的矢量

rows_1 = sc.parallelize([[1, 2], [4, 5], [7, 8]]) 
rows_2 = sc.parallelize([[1, 2], [4, 5]])

我maxtrix的RDD

mat1 = RowMatrix(rows_1) 
mat2 = RowMatrix(rows_2)

我愿做这样的事情：

mat = mat1 * mat2

我写了一个函数来处理矩阵乘法，但我恐怕有一个很长的处理时间。这里是我的功能：

def matrix_multiply(df1, df2): 
    nb_row = df1.count()  
    mat=[] 
    for i in range(0, nb_row): 
     row=list(df1.filter(df1['index']==i).take(1)[0]) 
     row_out = [] 
     for r in range(0, len(row)): 
      r_value = 0 
      col = df2.select(df2[list_col[r]]).collect() 
      col = [list(c)[0] for c in col] 
      for c in range(0, len(col)): 
       r_value += row[c] * col[c] 
      row_out.append(r_value)    
     mat.append(row_out) 
    return mat

我的功能做了很多火花动作（take，collect等）。该功能是否需要大量的处理时间？如果有人有另一个想法，它会对我有帮助。

来源

2016-06-11 Raouf

你不能。由于RowMatrix没有有意义的行索引，因此不能用于乘法。即使忽略唯一分布式矩阵which supports multiplication with another distributed structure是BlockMatrix。

from pyspark.mllib.linalg.distributed import * 

def as_block_matrix(rdd, rowsPerBlock=1024, colsPerBlock=1024): 
    return IndexedRowMatrix(
     rdd.zipWithIndex().map(lambda xi: IndexedRow(xi[1], xi[0])) 
    ).toBlockMatrix(rowsPerBlock, colsPerBlock) 

as_block_matrix(rows_1).multiply(as_block_matrix(rows_2))

来源

2016-06-11 17:51:33 zero323

谢谢您的回答。但它不适合我。我正在使用Spark 1.5.0。以下是错误消息：** AttributeError：'BlockMatrix'对象没有属性'multiply'** – Raouf

它已在1.6中引入。 – zero323

好的，我明白了。我创建了一个函数来处理它（请参阅上面的帖子）。 – Raouf

python的火花矩阵乘法

回答

相关问题