Java 类名：com.alibaba.alink.operator.stream.source.RandomTableSourceStreamOp
Python 类名：RandomTableSourceStreamOp

功能介绍

随机生成流式的表数据。
支持5种随机数据生成方法：uniform, uniform_open, gauss, weight_set 和 poisson

使用方法

setOutputColConfs(列配置信息参数)的含义和编写方法如下

参数示例 生成方法
uniform(1,2,nullper=0.1) 1到2闭区间上服从均匀分布，有10%的数据为null的随机数序列
uniform_open(1,2) 1到2开区间上服从均匀分布的随机数序列
weight_set(1.0,1.0,5.0,2.0) 由1和5组成的随机序列，生成概率为1：2
gauss(0,1) 满足均值为0、方差为1的正态分布的随机数序列
poisson(0.5) 满足lambda为0.5的泊松分布的随机序列

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
maxRows 输出表行数目最大值 输出数据流的表的行数目的最大值，整型 Long ✓
numCols 输出表列数目 输出表中列的数目，整型 Integer ✓
idCol id 列名 列名，若列名非空，表示输出表中包含一个整形序列id列，否则无该列 String “num”
outputColConfs 列配置信息 表示每一列的数据分布配置信息 String null
outputCols 输出列名数组 字符串数组，当参数不设置时，算法自动生成 String[] null
timePerSample 每条样本流过的时间 每两条样本间的时间间隔，单位秒 Double null
timeZones 每条样本流过的时间区间 用来控制样本输出频率的参数，每两条样本的输出间隔在这个区间范围内，单位秒 Double[] null

代码示例

Python 代码

  1. from pyalink.alink import *
  2. import pandas as pd
  3. useLocalEnv(1)
  4. # 生成测试数据，该数据符合高斯分布
  5. data = RandomTableSourceStreamOp() \
  6.                 .setNumCols(4) \
  7.                 .setMaxRows(10) \
  8.                 .setIdCol("id") \
  9.                 .setOutputCols(["group_id", "f0", "f1", "f2"]) \
  10.                 .setOutputColConfs("group_id:weight_set(111.0,1.0,222.0,1.0);f0:gauss(0,2);f1:gauss(0,2);f2:gauss(0,2)");

Java 代码

  1. import com.alibaba.alink.operator.stream.StreamOperator;
  2. import com.alibaba.alink.operator.stream.source.RandomTableSourceStreamOp;
  3. import org.junit.Test;
  4. public class RandomTableSourceStreamOpTest {
  5.     @Test
  6.     public void testRandomTableSourceStreamOp() throws Exception {
  7.         StreamOperator <?> data = new RandomTableSourceStreamOp()
  8.             .setNumCols(4)
  9.             .setMaxRows(10L)
  10.             .setIdCol("id")
  11.             .setOutputCols(new String[] {"group_id", "f0", "f1", "f2"})
  12.             .setOutputColConfs("group_id:weight_set(111.0,1.0,222.0,1.0);f0:gauss(0,2);f1:gauss(0,2);f2:gauss(0,2)");
  13.     }
  14. }

运行结果

group_id f0 f1 f2
0 -0.9964239045050353 0.49718679973825497 0.1792735119342329
1 -0.6095874515728233 -0.4127806660140688 3.0630804909945755
2 2.213734518739278 -0.8455555927440792 -1.600352103528522
3 -2.815758921864138 0.1660690040206056 2.5530930456104337
4 0.4511700080470712 -0.3189014028331945 1.074516449728338
5 -0.04526610697025353 0.9372115152797922 0.8801699948291315
6 1.399940708626108 0.094717796828264 1.8070419026410982
7 -1.9583513162921702 2.8640034727735295 0.8341853784130754
8 -1.507498072024416 -0.1315003650747711 -3.695551497151364
9 -0.5509621008083586 -0.5880629518273883 1.5237202683647566

备注

  1. * outputColConfs 参数的例子：
  2. "f0:uniform_open(1,2,nullper=0.1);f3:uniform(1,2,nullper=0.1);f1:gauss(0,1);f4:weight_set(1.0,1.0,2.0,5.0,nullper=0.1);f2:poisson(0.5, nullper=0.1)"
  3. 其中分号分割不同列的信息，每列信息中冒号前面是列名，冒号后的字符串是列的分布类型，小括号中的信息是分布参数，nullper表示的是数据中null值的占比