向量切片 (VectorSliceBatchOp)

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

Python 类名：VectorSliceBatchOp

功能介绍

取出Vector 中的若干列，组成一个新的Vector，输出到新的一列中。

可同时处理稀疏向量和稠密向量，如果为稠密向量，必须保证向量维度大于要抽取的最大下标。如下面代码中的例子，稠密向量长度必须大于3。

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	✓
indices	需要被提取的索引数组	需要被提取的索引数组	int[]			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

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
    ["1:3,2:4,4:7", 1],
    ["0:3,5:5", 3],
    ["2:4,4:5", 4]
])

data = BatchOperator.fromDataframe(df, schemaStr="vec string, id bigint")
vecSlice = VectorSliceBatchOp().setSelectedCol("vec").setOutputCol("vec_slice").setIndices([1,2,3])
vecSlice.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.VectorSliceBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

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

public class VectorSliceBatchOpTest {
	@Test
	public void testVectorSliceBatchOp() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of("1:3,2:4,4:7", 1),
			Row.of("0:3,5:5", 3),
			Row.of("2:4,4:5", 4)
		);
		BatchOperator <?> data = new MemSourceBatchOp(df, "vec string, id int");
		BatchOperator <?> vecSlice = new VectorSliceBatchOp().setSelectedCol("vec").setOutputCol("vec_slice")
			.setIndices(new int[] {1, 2, 3});
		vecSlice.linkFrom(data).print();
	}
}

运行结果

vec	id	vec_slice
1:3,2:4,4:7	1	$3$0:3.0 1:4.0
0:3,5:5	3	$3$
2:4,4:5	4	$3$1:4.0