功能介绍

标准化是对数据进行按正态化处理的组件

参数说明

名称 中文名称 描述 类型 是否必须？ 默认值
selectedCols 选择的列名 计算列对应的列名列表 String[] ✓
withMean 是否使用均值 是否使用均值，默认使用 Boolean true
withStd 是否使用标准差 是否使用标准差，默认使用 Boolean true

脚本示例

脚本

  1. data = np.array([
  2.             ["a", 10.0, 100],
  3.             ["b", -2.5, 9],
  4.             ["c", 100.2, 1],
  5.             ["d", -99.9, 100],
  6.             ["a", 1.4, 1],
  7.             ["b", -2.2, 9],
  8.             ["c", 100.9, 1]
  9. ])
  11. colnames = ["col1", "col2", "col3"]
  12. selectedColNames = ["col2", "col3"]
  14. df = pd.DataFrame({"col1": data[:, 0], "col2": data[:, 1], "col3": data[:, 2]})
  15. inOp = dataframeToOperator(df, schemaStr='col1 string, col2 double, col3 long', op_type='batch')
  18. # train
  19. trainOp = StandardScalerTrainBatchOp()\
  20.            .setSelectedCols(selectedColNames)
  22. trainOp.linkFrom(inOp)
  24. # batch predict
  25. predictOp = StandardScalerPredictBatchOp()
  26. predictOp.linkFrom(trainOp, inOp).print()
  28. # stream predict
  29. sinOp = dataframeToOperator(df, schemaStr='col1 string, col2 double, col3 long', op_type='stream')
  31. predictStreamOp = StandardScalerPredictStreamOp(trainOp)
  32. predictStreamOp.linkFrom(sinOp).print()
  35. StreamOperator.execute()

结果

  1.   col1      col2      col3
  2. 0    a -0.078352  1.459581
  3. 1    b -0.259243 -0.481449
  4. 2    c  1.226961 -0.652089
  5. 3    d -1.668749  1.459581
  6. 4    a -0.202805 -0.652089
  7. 5    b -0.254902 -0.481449
  8. 6    c  1.237091 -0.652089