该文档涉及的组件

向量转三元组 (VectorToTripleBatchOp)

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

Python 类名:VectorToTripleBatchOp

功能介绍

将数据格式从 Vector 转成 Triple,批式组件

一条输入数据可能对应多条输出结果,输入中vector的维度为多少,就会生成多少条结果。
因此输出数据时,最好保留记录的ID字段,也就是代码示例中的“row”字段,通过setReservedCols参数指定。

输出结果中除包含通过setReservedCols中指定列外,会输出vector的下标和对应位置的值两列。列名和格式通过
setTripleColumnValueSchemaStr指定。注意该schemaStr中并没有对格式做限定,但如果设置不对会导致运行失败。
下标列可以设置为int long和string类型,第二列只能设置为string或者double。

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
tripleColumnValueSchemaStr 三元组结构中列信息和数据信息的Schema 三元组结构中列信息和数据信息的Schema 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[] []

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"}', '$3$0:1.0 1:2.0', '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 1:8.0', '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 = VectorToTripleBatchOp()\
    .setVectorCol("vec")\
    .setReservedCols(["row"])\
    .setTripleColumnValueSchemaStr("col string, val 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.VectorToTripleBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

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

public class VectorToTripleBatchOpTest {
	@Test
	public void testVectorToTripleBatchOp() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of("1", "{\"f0\":\"1.0\",\"f1\":\"2.0\"}", "$3$0:1.0 1:2.0", "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 1:8.0", "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 VectorToTripleBatchOp()
			.setVectorCol("vec")
			.setReservedCols("row")
			.setTripleColumnValueSchemaStr("col string, val double")
			.linkFrom(data);
		op.print();
	}
}

运行结果

row col val
2 0 4.0000
1 0 1.0000
1 1 2.0000
2 1 8.0000