功能介绍

给定一个阈值，将连续变量二值化。

参数说明

名称 中文名称 描述 类型 是否必须？ 默认值
threshold 二值化阈值 二值化阈值 Double 0.0
selectedCol 选中的列名 计算列对应的列名 String ✓
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

脚本示例

脚本代码

  1. # -*- coding=UTF-8 -*-
  3. import numpy as np
  4. import pandas as pd
  5. data = np.array([
  6.     [1.1, True, "2", "A"],
  7.     [1.1, False, "2", "B"],
  8.     [1.1, True, "1", "B"],
  9.     [2.2, True, "1", "A"]
  10. ])
  11. df = pd.DataFrame({"double": data[:, 0], "bool": data[:, 1], "number": data[:, 2], "str": data[:, 3]})
  13. inOp1 = BatchOperator.fromDataframe(df, schemaStr='double double, bool boolean, number int, str string')
  14. inOp2 = StreamOperator.fromDataframe(df, schemaStr='double double, bool boolean, number int, str string')
  16. binarizer = BinarizerBatchOp().setSelectedCol("double").setThreshold(2.0)
  17. binarizer.linkFrom(inOp1).print()
  19. binarizer = BinarizerStreamOp().setSelectedCol("double").setThreshold(2.0)
  20. binarizer.linkFrom(inOp2).print()
  22. StreamOperator.execute()

脚本运行结果

输出数据
  1. rowID   double   bool  number str
  2. 0     0.0   True       2   A
  3. 1     0.0  False       2   B
  4. 2     0.0   True       1   B
  5. 3     1.0   True       1   A