该文档涉及的组件

向量转列数据 (VectorToColumnsBatchOp)

Java 类名:com.alibaba.alink.operator.batch.dataproc.format.VectorToColumnsBatchOp

Python 类名:VectorToColumnsBatchOp

功能介绍

将数据格式从 Vector 转成 Columns,vector中的数据拆分成多列

一条输入对应一条输出结果,输入的vector可以为稀疏格式,也可以为稠密格式。
vector的数据维度不需要保持一致。

setReservedCols设置保留的输入列。
设置SchemaStr时需要注意,字段个数必须小于等于vector列的最小维度。字段名称和类型用空格分隔,类型必须为double。
当vector维度大于SchemaStr中的字段个数时,输入vector中后面的维度会被忽略。如果vector在前面维度没有值,默认输出为0.0。

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
schemaStr Schema Schema。格式为“colname coltype[, colname2, coltype2[, …]]”,例如“f0 string, f1 bigint, f2 double” String
vectorCol 向量列名 向量列对应的列名 String 所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR]
handleInvalid 解析异常处理策略 解析异常处理策略,可选为ERROR(抛出异常)或者SKIP(输出NULL) String “ERROR”, “SKIP” “ERROR”
reservedCols 算法保留列名 算法保留列 String[] null

代码示例

Python 代码

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
    ['1', '{"f0":"1.0","f1":"2.0"}', '$4$0:1.0 3:2.0', 'f0:1.0,f1:2.0', '1.0,2.0', 1.0, 2.0],
    ['2', '{"f0":"4.0","f1":"8.0"}', '$3$0:4.0 2:8.0', 'f0:4.0,f1:8.0', '4.0,8.0', 4.0, 8.0]])

data = BatchOperator.fromDataframe(df, schemaStr="row string, json string, vec string, kv string, csv string, f0 double, f1 double")
 
op = VectorToColumnsBatchOp()\
    .setVectorCol("vec")\
    .setReservedCols(["row"])\
    .setSchemaStr("f0 double, f1 double, f2 double")\
    .linkFrom(data)

op.print()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.dataproc.format.VectorToColumnsBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

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

public class VectorToColumnsBatchOpTest {
	@Test
	public void testVectorToColumnsBatchOp() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$4$0:1.0 3:2.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0),
			Row.of("2", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:4.0 2:8.0", "f0:1.0,f1:2.0", "1.0,2.0", 1.0, 2.0)
		);
		BatchOperator <?> data = new MemSourceBatchOp(df,
			"row string, json string, vec string, kv string, csv string, f0 double, f1 double");
		BatchOperator <?> op = new VectorToColumnsBatchOp()
			.setVectorCol("vec")
			.setReservedCols("row")
			.setSchemaStr("f0 double, f1 double, f2 double")
			.linkFrom(data);
		op.print();
	}
}

运行结果

row f0 f1 f2
1 1.0000 0.0000 0.0000
2 4.0000 0.0000 8.0000