Java 类名：com.alibaba.alink.operator.batch.dataproc.StringIndexerPredictBatchOp
Python 类名：StringIndexerPredictBatchOp

功能介绍

基于StringIndexer模型，将一列字符串映射为整数。该组件为批式组件。

参数说明

名称 中文名称 描述 类型 是否必须？ 取值范围 默认值
selectedCol 选中的列名 计算列对应的列名 String ✓ 所选列类型为 [INTEGER, LONG, STRING]
handleInvalid 未知token处理策略 未知token处理策略。”keep”表示用最大id加1代替, “skip”表示补null， “error”表示抛异常 String “KEEP”, “ERROR”, “SKIP” “KEEP”
modelFilePath 模型的文件路径 模型的文件路径 String null
outputCol 输出结果列 输出结果列列名，可选，默认null String null
reservedCols 算法保留列名 算法保留列 String[] null
numThreads 组件多线程线程个数 组件多线程线程个数 Integer 1

代码示例

Python 代码

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.     ["football"],
  9.     ["football"],
  10.     ["football"],
  11.     ["basketball"],
  12.     ["basketball"],
  13.     ["tennis"],
  14. ])
  17. data = BatchOperator.fromDataframe(df, schemaStr='f0 string')
  19. stringindexer = StringIndexerTrainBatchOp() \
  20.     .setSelectedCol("f0") \
  21.     .setStringOrderType("frequency_asc")
  23. predictor = StringIndexerPredictBatchOp().setSelectedCol("f0").setOutputCol("f0_indexed")
  25. model = stringindexer.linkFrom(data)
  26. predictor.linkFrom(model, data).print()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.dataproc.StringIndexerPredictBatchOp;
  5. import com.alibaba.alink.operator.batch.dataproc.StringIndexerTrainBatchOp;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import org.junit.Test;
  9. import java.util.Arrays;
  10. import java.util.List;
  12. public class StringIndexerPredictBatchOpTest {
  13.     @Test
  14.     public void testStringIndexerPredictBatchOp() throws Exception {
  15.         List <Row> df = Arrays.asList(
  16.             Row.of("football"),
  17.             Row.of("football"),
  18.             Row.of("football"),
  19.             Row.of("basketball"),
  20.             Row.of("basketball"),
  21.             Row.of("tennis")
  22.         );
  23.         BatchOperator <?> data = new MemSourceBatchOp(df, "f0 string");
  24.         BatchOperator <?> stringindexer = new StringIndexerTrainBatchOp()
  25.             .setSelectedCol("f0")
  26.             .setStringOrderType("frequency_asc");
  27.         BatchOperator <?> predictor = new StringIndexerPredictBatchOp().setSelectedCol("f0").setOutputCol(
  28.             "f0_indexed");
  29.         BatchOperator model = stringindexer.linkFrom(data);
  30.         predictor.linkFrom(model, data).print();
  31.     }
  32. }

运行结果

| f0 | f0_indexed | | —- | —- |

| football | 2 |

| football | 2 |

| football | 2 |

| basketball | 1 |

| basketball | 1 |

| tennis | 0 |