StringIndexer预测

功能介绍

基于StringIndexer模型,将一列字符串映射为整数。

参数说明

名称 中文名称 描述 类型 是否必须? 默认值
handleInvalid 未知token处理策略 未知token处理策略。”keep”表示用最大id加1代替, “skip”表示补null, “error”表示抛异常 String “keep”
selectedCol 选中的列名 计算列对应的列名 String
reservedCols 算法保留列名 算法保留列 String[] null
outputCol 输出结果列 输出结果列列名,可选,默认null String null

脚本示例

脚本代码

  1. data = np.array([
  2. ["football"],
  3. ["football"],
  4. ["football"],
  5. ["basketball"],
  6. ["basketball"],
  7. ["tennis"],
  8. ])
  9. df_data = pd.DataFrame({
  10. "f0": data[:, 0],
  11. })
  12. data = dataframeToOperator(df_data, schemaStr='f0 string', op_type="batch")
  13. stringindexer = StringIndexerTrainBatchOp() \
  14. .setSelectedCol("f0") \
  15. .setStringOrderType("frequency_asc")
  16. predictor = StringIndexerPredictBatchOp().setSelectedCol("f0").setOutputCol("f0_indexed")
  17. model = stringindexer.linkFrom(data)
  18. predictor.linkFrom(model, data).print()

脚本运行结果

  1. f0 f0_indexed
  2. 0 football 2
  3. 1 football 2
  4. 2 football 2
  5. 3 basketball 1
  6. 4 basketball 1
  7. 5 tennis 0