向量聚合 (VectorAssembler)

Java 类名：com.alibaba.alink.pipeline.dataproc.vector.VectorAssembler

Python 类名：VectorAssembler

功能介绍

数据结构转换，将多列数据（可以是向量列也可以是数值列）转化为一列向量数据。

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
outputCol	输出结果列列名	输出结果列列名，必选	String	✓
selectedCols	选择的列名	计算列对应的列名列表	String[]	✓
handleInvalidMethod	处理无效值的方法	处理无效值的方法，可取 error, skip	String		“ERROR”, “SKIP”	“ERROR”
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

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
    ["0", "$6$1:2.0 2:3.0 5:4.3", "3.0 2.0 3.0"],
    ["1", "$8$1:2.0 2:3.0 7:4.3", "3.0 2.0 3.0"],
    ["2", "$8$1:2.0 2:3.0 7:4.3", "2.0 3.0"]
])
data = BatchOperator.fromDataframe(df, schemaStr="id string, c0 string, c1 string")

res = VectorAssembler()\
			.setSelectedCols(["c0", "c1"])\
			.setOutputCol("table2vec")
res.transform(data).print()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import com.alibaba.alink.pipeline.dataproc.vector.VectorAssembler;
import org.junit.Test;

import java.util.Arrays;
import java.util.List;

public class VectorAssemblerTest {
	@Test
	public void testVectorAssembler() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of("0", "$6$1:2.0 2:3.0 5:4.3", "3.0 2.0 3.0"),
			Row.of("1", "$8$1:2.0 2:3.0 7:4.3", "3.0 2.0 3.0"),
			Row.of("2", "$8$1:2.0 2:3.0 7:4.3", "2.0 3.0")
		);
		MemSourceBatchOp data = new MemSourceBatchOp(df, "id string, c0 string, c1 string");
		VectorAssembler res = new VectorAssembler()
			.setSelectedCols("c0", "c1")
			.setOutputCol("table2vec");
		res.transform(data).print();
	}
}

运行结果

id	c0	c1	table2vec
0	$6$1:2.0 2:3.0 5:4.3	3.0 2.0 3.0	$9$1:2.0 2:3.0 5:4.3 6:3.0 7:2.0 8:3.0
1	$8$1:2.0 2:3.0 7:4.3	3.0 2.0 3.0	$11$1:2.0 2:3.0 7:4.3 8:3.0 9:2.0 10:3.0
2	$8$1:2.0 2:3.0 7:4.3	2.0 3.0	$10$1:2.0 2:3.0 7:4.3 8:2.0 9:3.0