NGram

類 pyspark.ml.feature。 NGram ( *,n:int=2,inputCol:可選(str]=沒有一個,outputCol:可選(str]=沒有一個 )

變壓器的特性,將輸入的字符串數組轉換成一個字格數組。Null值在輸入數組將被忽略。它將返回一組字格,每個語法由空格分隔的字符串表示的單詞。當輸入為空,則返回一個空數組。當輸入數組長度小於n(每個語法元素的數量),不返回字格。

例子

> > >df=火花。createDataFrame([行(inputTokens=(“一個”,“b”,“c”,“d”,“e”))))> > >ngram=NGram(n=2)> > >ngram。setInputCol(“inputTokens”)NGram……> > >ngram。setOutputCol(“nGrams”)NGram……> > >ngram。變換(df)。頭()行(inputTokens = [a, b, c, d ', ' e '], nGrams = [b, b c, c d ', ' d e '])> > >#改變n元長度> > >ngram。setparam(n=4)。變換(df)。頭()行(inputTokens = [a, b, c, d ', ' e '], nGrams = [a b c d ', ' b c d e '])> > >#暫時修改輸出列。> > >ngram。變換(df,{ngram。outputCol:“輸出”})。頭()行(inputTokens = [a, b, c, d ', ' e '],輸出= [a b c d ', ' b c d e '])> > >ngram。變換(df)。頭()行(inputTokens = [a, b, c, d ', ' e '], nGrams = [a b c d ', ' b c d e '])> > >#必須使用關鍵字參數來指定參數。> > >ngram。setparam(“文本”)回溯(最近的電話):…TypeError:關鍵字參數方法setparam力量。> > >ngramPath=temp_path+“/ ngram”> > >ngram。保存(ngramPath)> > >loadedNGram=NGram。負載(ngramPath)> > >loadedNGram。getN()= =ngram。getN()真正的> > >loadedNGram。變換(df)。取(1)= =ngram。變換(df)。取(1)真正的

方法

清晰的(參數)	清除參數映射的參數是否被顯式地設置。
複製((額外的))	創建這個實例的副本具有相同uid和一些額外的參數。
explainParam(參數)	解釋一個參數並返回它的名字,醫生,和可選的默認值,用戶提供的字符串值。
explainParams()	返回文檔的所有參數選擇默認值和用戶提供的值。
extractParamMap((額外的))	提取嵌入默認參數值和用戶提供的值,然後合並他們額外的值從輸入平麵參數映射,後者使用價值如果存在衝突,即。排序:默認參數值< <額外的用戶提供的值。
getInputCol()	得到的價值inputCol或其默認值。
getN()	得到n的值或其默認值。
getOrDefault(參數)	得到參數的值在用戶提供的參數映射或其默認值。
getOutputCol()	得到的價值outputCol或其默認值。
getParam(paramName)	通過它的名稱參數。
hasDefault(參數)	檢查是否一個參數有默認值。
hasParam(paramName)	測試這個實例包含一個參數是否與給定名稱(字符串)。
isDefined(參數)	檢查參數是否由用戶或顯式地設置一個默認值。
收取(參數)	檢查參數是否由用戶顯式地設置。
負載(路徑)	從輸入路徑,讀取一個毫升實例的快捷方式read () .load(路徑)。
讀()	返回一個MLReader這個類的實例。
保存(路徑)	這個毫升實例保存到給定的路徑,一個快捷方式的“寫().save(路徑)。
集(參數值)	設置一個參數嵌入參數映射。
setInputCol(值)	設置的值inputCol。
setN(值)	設置的值n。
setOutputCol(值)	設置的值outputCol。
setparam(自我,\ [n inputCol, outputCol])	為這個NGram設置參數。
變換(數據集[params))	與可選參數轉換的輸入數據集。
寫()	返回一個MLWriter實例毫升實例。

屬性

inputCol
n
outputCol
參數個數	返回所有參數命令的名字。

方法的文檔

清晰的 ( 參數:pyspark.ml.param.Param )→沒有

清除參數映射的參數是否被顯式地設置。

複製 ( 額外的:可選(ParamMap]=沒有一個 )→摩根大通

創建這個實例的副本具有相同uid和一些額外的參數。這個實現第一次調用參數。複製and then make a copy of the companion Java pipeline component with extra params. So both the Python wrapper and the Java pipeline component get copied.

參數

額外的 東西,可選

額外參數複製到新實例

返回

JavaParams

這個實例的副本

explainParam ( 參數:聯盟(str,pyspark.ml.param.Param] )→str

解釋一個參數並返回它的名字,醫生,和可選的默認值,用戶提供的字符串值。

explainParams ( )→str

返回文檔的所有參數選擇默認值和用戶提供的值。

extractParamMap ( 額外的:可選(ParamMap]=沒有一個 )→ParamMap

提取嵌入默認參數值和用戶提供的值,然後合並他們額外的值從輸入平麵參數映射,後者使用價值如果存在衝突,即。排序:默認參數值< <額外的用戶提供的值。

參數

額外的 東西,可選

額外的參數值

返回

dict

合並後的參數映射

getInputCol ( )→str

得到的價值inputCol或其默認值。

getN ( )→int

得到n的值或其默認值。

getOrDefault ( 參數:聯盟(str,pyspark.ml.param.Param(T]] )→聯盟(任何,T]

得到參數的值在用戶提供的參數映射或其默認值。如果沒有設置提出了一個錯誤。

getOutputCol ( )→str

得到的價值outputCol或其默認值。

getParam ( paramName:str )→pyspark.ml.param.Param

通過它的名稱參數。

hasDefault ( 參數:聯盟(str,pyspark.ml.param.Param(任何]] )→bool

檢查是否一個參數有默認值。

hasParam ( paramName:str )→bool

測試這個實例包含一個參數是否與給定名稱(字符串)。

isDefined ( 參數:聯盟(str,pyspark.ml.param.Param(任何]] )→bool

檢查參數是否由用戶或顯式地設置一個默認值。

收取 ( 參數:聯盟(str,pyspark.ml.param.Param(任何]] )→bool

檢查參數是否由用戶顯式地設置。

classmethod 負載 ( 路徑:str )→RL

從輸入路徑,讀取一個毫升實例的快捷方式read () .load(路徑)。

classmethod 讀 ( )→pyspark.ml.util.JavaMLReader(RL]

返回一個MLReader這個類的實例。

保存 ( 路徑:str )→沒有

這個毫升實例保存到給定的路徑,一個快捷方式的“寫().save(路徑)。

集 ( 參數:pyspark.ml.param.Param,價值:任何 )→沒有

設置一個參數嵌入參數映射。

setInputCol ( 價值:str )→pyspark.ml.feature.NGram

設置的值inputCol。

setN ( 價值:int )→pyspark.ml.feature.NGram

設置的值n。

setOutputCol ( 價值:str )→pyspark.ml.feature.NGram

設置的值outputCol。

setparam ( 自我,\ *,n = 2,inputCol =沒有,outputCol =沒有 )

為這個NGram設置參數。

變換 ( 數據集:pyspark.sql.dataframe.DataFrame,參數個數:可選(ParamMap]=沒有一個 )→pyspark.sql.dataframe.DataFrame

與可選參數轉換的輸入數據集。

參數

數據集 pyspark.sql.DataFrame

輸入數據集

參數個數 東西,可選

一個可選的參數覆蓋嵌入參數的地圖。

返回

pyspark.sql.DataFrame

改變了數據集

寫 ( )→pyspark.ml.util.JavaMLWriter

返回一個MLWriter實例毫升實例。

屬性的文檔

inputCol =參數(父母=‘定義’,name = ' inputCol ', doc =輸入列名稱。)

n :pyspark.ml.param.Param (int) =參數(父母=‘定義’,name = ' n ', doc = '每個語法元素的數量(> = 1)')

outputCol =參數(父母=‘定義’,name = ' outputCol ', doc =輸出列名稱。)

參數個數

返回所有參數命令的名字。默認實現使用dir ()所有的屬性類型參數。

以前的

MinMaxScalerModel

下一個

標準化者