Java 类名:com.alibaba.alink.operator.batch.dataproc.vector.VectorSliceBatchOp
Python 类名:VectorSliceBatchOp

功能介绍

取出Vector 中的若干列,组成一个新的Vector,输出到新的一列中。
可同时处理稀疏向量和稠密向量,如果为稠密向量,必须保证向量维度大于要抽取的最大下标。如下面代码中的例子,稠密向量长度必须大于3。

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
indices 需要被提取的索引数组 需要被提取的索引数组 int[] 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 *
  2. import pandas as pd
  3. useLocalEnv(1)
  4. df = pd.DataFrame([
  5. ["1:3,2:4,4:7", 1],
  6. ["0:3,5:5", 3],
  7. ["2:4,4:5", 4]
  8. ])
  9. data = BatchOperator.fromDataframe(df, schemaStr="vec string, id bigint")
  10. vecSlice = VectorSliceBatchOp().setSelectedCol("vec").setOutputCol("vec_slice").setIndices([1,2,3])
  11. vecSlice.linkFrom(data).collectToDataframe()

Java 代码

  1. import org.apache.flink.types.Row;
  2. import com.alibaba.alink.operator.batch.BatchOperator;
  3. import com.alibaba.alink.operator.batch.dataproc.vector.VectorSliceBatchOp;
  4. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  5. import org.junit.Test;
  6. import java.util.Arrays;
  7. import java.util.List;
  8. public class VectorSliceBatchOpTest {
  9. @Test
  10. public void testVectorSliceBatchOp() throws Exception {
  11. List <Row> df = Arrays.asList(
  12. Row.of("1:3,2:4,4:7", 1),
  13. Row.of("0:3,5:5", 3),
  14. Row.of("2:4,4:5", 4)
  15. );
  16. BatchOperator <?> data = new MemSourceBatchOp(df, "vec string, id int");
  17. BatchOperator <?> vecSlice = new VectorSliceBatchOp().setSelectedCol("vec").setOutputCol("vec_slice")
  18. .setIndices(new int[] {1, 2, 3});
  19. vecSlice.linkFrom(data).print();
  20. }
  21. }

运行结果

| vec | id | vec_slice | | —- | —- | —- |

| 1:3,2:4,4:7 | 1 | $3$0:3.0 1:4.0 |

| 0:3,5:5 | 3 | |

| 2:4,4:5 | 4 | $3$1:4.0 |