该文档涉及的组件

向量转CSV (VectorToCsvBatchOp)

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

Python 类名:VectorToCsvBatchOp

功能介绍

将数据格式从 Vector 转成 Csv

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。

setCsvCol设置csv输出列名,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。类型为string或者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,输出中也会为空,对应位置会保留。

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
csvCol CSV列名 CSV列的列名 String
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]
csvFieldDelimiter 字段分隔符 字段分隔符 String “,”
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”
quoteChar 引号字符 引号字符 Character “"”
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 = VectorToCsvBatchOp()\
    .setVectorCol("vec")\
    .setReservedCols(["row"])\
    .setCsvCol("csv")\
    .setSchemaStr("f0 double, f1 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.VectorToCsvBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

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

public class VectorToCsvBatchOpTest {
	@Test
	public void testVectorToCsvBatchOp() 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 VectorToCsvBatchOp()
			.setVectorCol("vec")
			.setReservedCols("row")
			.setCsvCol("csv")
			.setSchemaStr("f0 double, f1 double")
			.linkFrom(data);
		op.print();
	}
}

运行结果

row csv
2 4.0,,8.0
1 1.0,,