向量长度检验 (VectorSizeHintBatchOp)

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

Python 类名：VectorSizeHintBatchOp

功能介绍

取出Vector 的size进行检测，并进行处理。

指定size大小和处理策略（抛异常error和跳过skip），当大小不匹配时，触发处理策略。
支持稀疏向量和稠密向量。如果不设置 OutputCol ，默认替换输入列。

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
selectedCol	选中的列名	计算列对应的列名	String	✓
size	向量大小	用于判断向量的大小是否和设置的一致	Integer	✓
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”
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([
    ["$8$1:3,2:4,4:7"],
    ["$8$2:4,4:5"]
])

data = BatchOperator.fromDataframe(df, schemaStr="vec string")
VectorSizeHintBatchOp().setSelectedCol("vec").setOutputCol("vec_hint").setHandleInvalidMethod("SKIP").setSize(8).linkFrom(data).collectToDataframe()

Java 代码

import org.apache.flink.types.Row;

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

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

public class VectorSizeHintBatchOpTest {
	@Test
	public void testVectorSizeHintBatchOp() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of("$8$1:3,2:4,4:7"),
			Row.of("$8$2:4,4:5")
		);
		BatchOperator <?> data = new MemSourceBatchOp(df, "vec string");
		new VectorSizeHintBatchOp().setSelectedCol("vec").setOutputCol("vec_hint").setHandleInvalidMethod("SKIP")
			.setSize(8).linkFrom(data).print();
	}
}

运行结果

vec	vec_hint
$8$1:3,2:4,4:7	$8$1:3.0 2:4.0 4:7.0
$8$2:4,4:5	$8$2:4.0 4:5.0