向量函数 (VectorFunctionBatchOp)

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

Python 类名：VectorFunctionBatchOp

功能介绍

• 获取一个向量的最大值、最小值，或者最大值、最小值的索引，或者对向量做尺度变换, 求NormL2, 求NormL1, 求NormL2Square, Normalize。
• 支持稀疏和稠密两种 Vector。

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
funcName	函数名字	函数操作名称, 可取max（最大值）, min（最小值）, argMax（最大值索引）, argMin（最小值索引）, scale（尺度变换）, NormL2, NormL1, NormL2Square, Normalize	String	✓	“Max”, “Min”, “ArgMax”, “ArgMin”, “Scale”, “NormL2”, “NormL1”, “NormL2Square”, “Normalize”
selectedCol	选中的列名	计算列对应的列名	String	✓	所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR]
WithVariable	变量	函数中变量	String
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

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
    [1,"16.3, 1.1, 1.1"],
    [2,"16.8, 1.4, 1.5"],
    [3,"19.2, 1.7, 1.8"],
    [4,"10.0, 1.7, 1.7"],
    [5,"19.5, 1.8, 1.9"],
    [6,"20.9, 1.8, 1.8"],
    [7,"21.1, 1.9, 1.8"],
    [8,"20.9, 2.0, 2.1"],
    [9,"20.3, 2.3, 2.4"],
    [10,"22.0, 2.4, 2.5"]
])

opData = BatchOperator.fromDataframe(df, schemaStr="id bigint, vec string")
result = VectorFunctionBatchOp().setSelectedCol("vec")\
.setOutputCol("out").setFuncName("max").linkFrom(opData)
result.collectToDataframe()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.stream.BatchOperator;
import com.alibaba.alink.operator.stream.dataproc.vector.VectorFunctionBatchOp;
import com.alibaba.alink.operator.stream.source.MemSourceBatchOp;
import com.alibaba.alink.testutil.AlinkTestBase;
import org.junit.Test;

import java.util.ArrayList;
import java.util.List;

public class VectorFunctionTest extends AlinkTestBase {

	@Test
	public void testVectorFunction() throws Exception {
		List <Row> df = new ArrayList <>();
		df.add(Row.of(1, "16.3, 1.1, 1.1"));
		df.add(Row.of(2, "16.8, 1.4, 1.5"));
		df.add(Row.of(3, "19.2, 1.7, 1.8"));
		df.add(Row.of(4, "10.0, 1.7, 1.7"));
		df.add(Row.of(5, "19.5, 1.8, 1.9"));
		df.add(Row.of(6, "20.9, 1.8, 1.8"));
		df.add(Row.of(7, "21.1, 1.9, 1.8"));
		df.add(Row.of(8, "20.9, 2.0, 2.1"));
		df.add(Row.of(9, "20.3, 2.3, 2.4"));
		df.add(Row.of(10, "22.0, 2.4, 2.5"));

		BatchOperator<?> streamData =  new MemSourceBatchOp(df, "id int, vec string");

		new VectorFunctionBatchOp().setSelectedCol("vec")
			.setOutputCol("out").setFuncName("max").linkFrom(streamData).print();
	}
}

运行结果

id	vec	out
1	16.3, 1.1, 1.1	16.3
2	16.8, 1.4, 1.5	16.8
3	19.2, 1.7, 1.8	19.2
4	10.0, 1.7, 1.7	10.0
5	19.5, 1.8, 1.9	19.5
6	20.9, 1.8, 1.8	20.9
7	21.1, 1.9, 1.8	21.1
8	20.9, 2.0, 2.1	20.9
9	20.3, 2.3, 2.4	20.3
10	22.0, 2.4, 2.5	22.0