数据处理 - 标准化 (StandardScaler) - 《Alink 1.5.6 文档 - 帮助手册 - 教程》

功能介绍
参数说明
代码示例
|

Java 类名：com.alibaba.alink.pipeline.dataproc.StandardScaler
Python 类名：StandardScaler

功能介绍

标准化是对数据进行按正态化处理的组件
训练过程计算数据的均值和标准差，生成标准化模型

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[]	✓
modelFilePath	模型的文件路径	模型的文件路径	String		null
outputCols	输出结果列列名数组	输出结果列列名数组，可选，默认null	String[]		null
overwriteSink	是否覆写已有数据	是否覆写已有数据	Boolean		false
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
numThreads	组件多线程线程个数	组件多线程线程个数	Integer		1
modelStreamFilePath	模型流的文件路径	模型流的文件路径	String		null
modelStreamScanInterval	扫描模型路径的时间间隔	描模型路径的时间间隔，单位秒	Integer		10
modelStreamStartTime	模型流的起始时间	模型流的起始时间。默认从当前时刻开始读。使用yyyy-mm-dd hh:mm:ss.fffffffff格式，详见Timestamp.valueOf(String s)	String		null

代码示例

Python 代码

from pyalink.alink import *
import pandas as pd
useLocalEnv(1)
df = pd.DataFrame([
            ["a", 10.0, 100],
            ["b", -2.5, 9],
            ["c", 100.2, 1],
            ["d", -99.9, 100],
            ["a", 1.4, 1],
            ["b", -2.2, 9],
            ["c", 100.9, 1]
])
colnames = ["col1", "col2", "col3"]
selectedColNames = ["col2", "col3"]
inOp = BatchOperator.fromDataframe(df, schemaStr='col1 string, col2 double, col3 long')
sinOp = StreamOperator.fromDataframe(df, schemaStr='col1 string, col2 double, col3 long')            
model = StandardScaler()\
           .setSelectedCols(selectedColNames)\
           .fit(inOp)
model.transform(inOp).print()
model.transform(sinOp).print()
StreamOperator.execute()

Java 代码

import org.apache.flink.types.Row;
import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import com.alibaba.alink.operator.stream.StreamOperator;
import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
import com.alibaba.alink.pipeline.dataproc.StandardScaler;
import com.alibaba.alink.pipeline.dataproc.StandardScalerModel;
import org.junit.Test;
import java.util.Arrays;
import java.util.List;
public class StandardScalerTest {
    @Test
    public void testStandardScaler() throws Exception {
        List <Row> df = Arrays.asList(
            Row.of("a", 10.0, 100),
            Row.of("b", -2.5, 9),
            Row.of("c", 100.2, 1),
            Row.of("d", -99.9, 100),
            Row.of("a", 1.4, 1),
            Row.of("b", -2.2, 9),
            Row.of("c", 100.9, 1)
        );
        String[] selectedColNames = new String[] {"col2", "col3"};
        BatchOperator <?> inOp = new MemSourceBatchOp(df, "col1 string, col2 double, col3 int");
        StreamOperator <?> sinOp = new MemSourceStreamOp(df, "col1 string, col2 double, col3 int");
        StandardScalerModel model = new StandardScaler()
            .setSelectedCols(selectedColNames)
            .fit(inOp);
        model.transform(inOp).print();
        model.transform(sinOp).print();
        StreamOperator.execute();
    }
}

运行结果

| col1 | col2 | col3 | | —- | —- | —- |

| a | -0.0784 | 1.4596 |

| b | -0.2592 | -0.4814 |

| c | 1.2270 | -0.6521 |

| d | -1.6687 | 1.4596 |

| a | -0.2028 | -0.6521 |

| b | -0.2549 | -0.4814 |

| c | 1.2371 | -0.6521 |

| col1 | col2 | col3 |

|

——