Java 类名：com.alibaba.alink.operator.stream.dataproc.StringIndexerPredictStreamOp
Python 类名：StringIndexerPredictStreamOp

功能介绍

基于StringIndexer模型，将一列字符串映射为整数。该组件为流式组件。

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 | | —- | —- | —- | —- | —- | —- | —- |

| selectedCol | 选中的列名 | 计算列对应的列名 | String | ✓ | 所选列类型为 [INTEGER, LONG, STRING] | |

| 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”, “ERROR”, “SKIP” | “KEEP” |

| 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 |

| 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

  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. data = BatchOperator.fromDataframe(df_data, schemaStr='f0 string')
  18. stream_data = StreamOperator.fromDataframe(df_data, schemaStr='f0 string')
  20. stringindexer = StringIndexerTrainBatchOp() \
  21.     .setSelectedCol("f0") \
  22.     .setStringOrderType("frequency_asc")
  24. model = stringindexer.linkFrom(data)
  26. predictor = StringIndexerPredictStreamOp(model)\
  27.                 .setSelectedCol("f0")\
  28.                 .setOutputCol("f0_indexed")
  30. predictor.linkFrom(stream_data).print()
  32. StreamOperator.execute()

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.StringIndexerTrainBatchOp;
  5. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  6. import com.alibaba.alink.operator.stream.StreamOperator;
  7. import com.alibaba.alink.operator.stream.dataproc.StringIndexerPredictStreamOp;
  8. import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
  9. import org.junit.Test;
  11. import java.util.Arrays;
  12. import java.util.List;
  14. public class StringIndexerPredictStreamOpTest {
  15.     @Test
  16.     public void testStringIndexerPredictStreamOp() 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 <?> data = new MemSourceBatchOp(df_data, "f0 string");
  26.         StreamOperator <?> stream_data = new MemSourceStreamOp(df_data, "f0 string");
  27.         BatchOperator <?> stringindexer = new StringIndexerTrainBatchOp()
  28.             .setSelectedCol("f0")
  29.             .setStringOrderType("frequency_asc");
  30.         BatchOperator model = stringindexer.linkFrom(data);
  31.         StreamOperator <?> predictor = new StringIndexerPredictStreamOp(model)
  32.             .setSelectedCol("f0")
  33.             .setOutputCol("f0_indexed");
  34.         predictor.linkFrom(stream_data).print();
  35.         StreamOperator.execute();
  36.     }
  37. }

运行结果

| f0 | f0_indexed | | —- | —- |

| basketball | 1 |

| football | 2 |

| tennis | 0 |

| basketball | 1 |

| football | 2 |

| football | 2 |