向量聚合 (VectorAssemblerBatchOp)

Java 类名：com.alibaba.alink.operator.batch.dataproc.vector.VectorAssemblerBatchOp

Python 类名：VectorAssemblerBatchOp

功能介绍

• 数据结构转换组件，将Table格式的数据转成tensor格式数据。
• 支持table中的多个 vector 列和数值列合并成一个vector 列。

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[]	✓	所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DENSE_VECTOR, DOUBLE, FLOAT, INTEGER, LONG, SHORT, SPARSE_VECTOR, STRING, VECTOR]
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([
    [2, 1, 1],
    [3, 2, 1],
    [4, 3, 2],
    [2, 4, 1],
    [2, 2, 1],
    [4, 3, 2],
    [1, 2, 1],
    [5, 3, 3]
])

data = BatchOperator.fromDataframe(df, schemaStr="f0 int, f1 int, f2 int")
colnames = ["f0","f1","f2"]
VectorAssemblerBatchOp().setSelectedCols(colnames)\
.setOutputCol("out").linkFrom(data).print()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.dataproc.vector.VectorAssemblerBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

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

public class VectorAssemblerBatchOpTest {
	@Test
	public void testVectorAssemblerBatchOp() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of(2, 1, 1),
			Row.of(3, 2, 1),
			Row.of(4, 3, 2),
			Row.of(2, 4, 1),
			Row.of(2, 2, 1),
			Row.of(4, 3, 2),
			Row.of(1, 2, 1),
			Row.of(5, 3, 3)
		);
		BatchOperator <?> data = new MemSourceBatchOp(df, "f0 int, f1 int, f2 int");
		new VectorAssemblerBatchOp().setSelectedCols("f0", "f1", "f2")
			.setOutputCol("out").linkFrom(data).print();
	}
}

运行结果

f0	f1	f2	out
2	1	1	2.0 1.0 1.0
3	2	1	3.0 2.0 1.0
4	3	2	4.0 3.0 2.0
2	4	1	2.0 4.0 1.0
2	2	1	2.0 2.0 1.0
4	3	2	4.0 3.0 2.0
1	2	1	1.0 2.0 1.0
5	3	3	5.0 3.0 3.0