Python pyspark RandomRDDs.logNormalRDD用法及代码示例

本文简要介绍 pyspark.mllib.random.RandomRDDs.logNormalRDD 的用法。

用法: static logNormalRDD(sc, mean, std, size, numPartitions=None, seed=None)

生成一个由 i.i.d 组成的 RDD。来自具有输入均值和标准分布的对数正态分布的样本。

版本 1.3.0 中的新函数。

参数：

sc：SparkContext: 用于创建 RDD。
mean：浮点数: 对数正态分布的平均值
std：浮点数: 标准对数正态分布
size：int: RDD 的大小。
numPartitions：整数，可选: RDD 中的分区数(默认值：sc.defaultParallelism)。
seed：整数，可选: 随机种子(默认值：随机长整数)。

由 i.i.d. 组成的浮点数 RDD样本〜日志N(平均，标准)。

例子：

>>> from math import sqrt, exp
>>> mean = 0.0
>>> std = 1.0
>>> expMean = exp(mean + 0.5 * std * std)
>>> expStd = sqrt((exp(std * std) - 1.0) * exp(2.0 * mean + std * std))
>>> x = RandomRDDs.logNormalRDD(sc, mean, std, 1000, seed=2)
>>> stats = x.stats()
>>> stats.count()
1000
>>> abs(stats.mean() - expMean) < 0.5
True
>>> from math import sqrt
>>> abs(stats.stdev() - expStd) < 0.5
True

相关用法

注：本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.mllib.random.RandomRDDs.logNormalRDD。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：