小编Ank*_*wal的帖子

今天在课堂上我的老师在黑板上写下了这个递归因子算法:

int factorial(int n) {
   if (n == 1) 
       return 1;
   else 
       return n * factorial(n-1);
}

她说它有成本T(n-1) + 1.

然后用迭代法她说T(n-1) = T(n-2) + 2 = T(n-3) + 3 ... T(n-j) + j,所以算法停止的时候n - j = 1,所以j = n - 1.

之后,她取代j的T(n-j) + j,并获得了T(1) + n-1.

她直接说那个n-1 = 2 ^{(log ₂ n-1)},所以算法的成本是指数的.

我真的失去了最后两步.可以请有人向我解释一下吗？

我的数据框命名longData如下：

  ID Set Choice Apple Microsoft IBM Google Intel HewlettPackard Sony Dell Yahoo Nokia
1  1   1      0     1         0   0      0     0              0    0    0     0     0
2  1   2      0     0         1   0      0     0              0    0    0     0     0
3  1   3      0     0         0   1      0     0              0    0    0     0     0
4  1   4      1     0         0   0      1     0              0    0    0     0     0
5  1   5      0     0         0   0      0 …

我正在尝试创建一个带有ArrayType()列的新数据框，我尝试过定义模式和不定义模式，但无法获得所需的结果。我的代码如下，带有架构

from pyspark.sql.types import *
l = [[1,2,3],[3,2,4],[6,8,9]]
schema = StructType([
  StructField("data", ArrayType(IntegerType()), True)
])
df = spark.createDataFrame(l,schema)
df.show(truncate = False)

这给出了错误：

ValueError：对象的长度 (3) 与字段的长度 (1) 不匹配

期望的输出：

+---------+
|data     |
+---------+
|[1,2,3]  |
|[3,2,4]  |
|[6,8,9]  |
+---------+

编辑：

我发现了一件奇怪的事情（至少对我来说）：

如果我们使用下面的代码，它会给出预期的结果：

import pyspark.sql.functions as f
data = [
    ('person', ['john', 'sam', 'jane']),
    ('pet', ['whiskers', 'rover', 'fido'])
]

df = spark.createDataFrame(data, ["type", "names"])
df.show(truncate=False)

这给出了以下预期输出：

+------+-----------------------+
|type  |names                  |
+------+-----------------------+
|person|[john, sam, jane]      |
|pet   |[whiskers, rover, fido]| …