Java 类名：com.alibaba.alink.operator.batch.dataproc.IndexToStringPredictBatchOp
Python 类名：IndexToStringPredictBatchOp

功能介绍

基于 StringIndexer 模型，将一列整数映射为字符串。
在批式预测中，IndexToStringPredictBatchOp 接收两个BatchOp的输入，
第一个输入为模型（StringIndexer的getModelData()获取，或者直接输入StringIndexerTrainBatchOp），
第二个输入为要预测的数据。

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
modelName 模型名字 模型名字 String ✓
selectedCol 选中的列名 计算列对应的列名 String ✓ 所选列类型为 [STRING]
modelFilePath 模型的文件路径 模型的文件路径 String null
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
numThreads 组件多线程线程个数 组件多线程线程个数 Integer 1

代码示例

Python 代码

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df_data = pd.DataFrame([
  8.     ["football"],
  9.     ["football"],
  10.     ["football"],
  11.     ["basketball"],
  12.     ["basketball"],
  13.     ["tennis"],
  14. ])
  16. train_data = BatchOperator.fromDataframe(df_data, schemaStr='f0 string')
  18. stringIndexer = StringIndexer()\
  19.     .setModelName("string_indexer_model")\
  20.     .setSelectedCol("f0")\
  21.     .setOutputCol("f0_indexed")\
  22.     .setStringOrderType("frequency_asc").fit(train_data)
  24. indexed = stringIndexer.transform(train_data)
  26. indexToStrings = IndexToStringPredictBatchOp()\
  27.     .setSelectedCol("f0_indexed")\
  28.     .setOutputCol("f0_indxed_unindexed")
  30. indexToStrings.linkFrom(stringIndexer.getModelData(), indexed).print()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.dataproc.IndexToStringPredictBatchOp;
  5. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  6. import com.alibaba.alink.pipeline.dataproc.StringIndexer;
  7. import com.alibaba.alink.pipeline.dataproc.StringIndexerModel;
  8. import org.junit.Test;
  10. import java.util.Arrays;
  11. import java.util.List;
  13. public class IndexToStringPredictStreamOpTest {
  15.     @Test
  16.     public void testIndexToStringPredictStreamOp() throws Exception {
  17.         List <Row> df_data = Arrays.asList(
  18.             Row.of("football"),
  19.             Row.of("football"),
  20.             Row.of("football"),
  21.             Row.of("basketball"),
  22.             Row.of("basketball"),
  23.             Row.of("tennis")
  24.         );
  25.         BatchOperator <?> train_data = new MemSourceBatchOp(df_data, "f0 string");
  26.         StringIndexerModel stringIndexer = new StringIndexer()
  27.             .setModelName("string_indexer_model")
  28.             .setSelectedCol("f0")
  29.             .setOutputCol("f0_indexed")
  30.             .setStringOrderType("frequency_asc").fit(train_data);
  31.         BatchOperator indexed = stringIndexer.transform(train_data);
  32.         BatchOperator <?> indexToStrings = new IndexToStringPredictBatchOp()
  33.             .setSelectedCol("f0_indexed")
  34.             .setOutputCol("f0_indxed_unindexed");
  35.         indexToStrings.linkFrom(stringIndexer.getModelData(), indexed).print();
  36.     }
  37. }

运行结果

| f0 | f0_indexed | f0_indxed_unindexed | | —- | —- | —- |

| football | 2 | football |

| football | 2 | football |

| football | 2 | football |

| basketball | 1 | basketball |

| basketball | 1 | basketball |

| tennis | 0 | tennis |