pandas

高级数据操作工具，将数据存储为dataframe的数据结构。

注：将brics.csv文件放到D：/Documents下。

 列的获取

添加咧

行的获取

元素的获取

数据可视化

1.折线图

2.散点图

3.直方图

4.轴的标签

5.标题

6.刻度

7.加入历史数据

Spark1.6.2.2.3

PCA

算法介绍：

        主成分分析是一种统计学方法，它使用正交转换从一系列可能相关的变量中提取线性无关变量集，提取出的变量集中的元素称为主成分。使用PCA方法可以对变量集合进行降维。下面的示例将会展示如何将5维特征向量转换为3维主成分向量。

scala代码

import org.apache.spark.ml.feature.PCA  import org.apache.spark.ml.linalg.Vectors    val data = Array(    Vectors.sparse(5, Seq((1, 1.0), (3, 7.0))),    Vectors.dense(2.0, 0.0, 3.0, 4.0, 5.0),    Vectors.dense(4.0, 0.0, 0.0, 6.0, 7.0)  )  val df = spark.createDataFrame(data.map(Tuple1.apply)).toDF("features")  val pca = new PCA()    .setInputCol("features")    .setOutputCol("pcaFeatures")    .setK(3)    .fit(df)  val pcaDF = pca.transform(df)  val result = pcaDF.select("pcaFeatures")  result.show()
由于是spark1.6.2。api有些不能用。
OneHotEncoder
算法介绍：
独热编码将标签指标映射为二值向量，其中最多一个单值。这种编码被用于将种类特征使用到需要连续特征的算法，如逻辑回归等。
scala代码
import org.apache.spark.ml.feature.{OneHotEncoder, StringIndexer}    val df = spark.createDataFrame(Seq(    (0, "a"),    (1, "b"),    (2, "c"),    (3, "a"),    (4, "a"),    (5, "c")  )).toDF("id", "category")    val indexer = new StringIndexer()    .setInputCol("category")    .setOutputCol("categoryIndex")    .fit(df)  val indexed = indexer.transform(df)    val encoder = new OneHotEncoder()    .setInputCol("categoryIndex")    .setOutputCol("categoryVec")  val encoded = encoder.transform(indexed)  encoded.select("id", "categoryVec").show()
Python List
numpy array
numpy数组：元素只有一种类型，否则会转换成字符串。
不同的类型，不同的行为
numpy的构造子集
二维numpy数组
ndarray=n维数组