StringIndexer

類 pyspark.ml.feature。 StringIndexer ( *,inputCol:可選(str]=沒有一個,outputCol:可選(str]=沒有一個,inputCols:可選(列表(str]]=沒有一個,outputCols:可選(列表(str]]=沒有一個,handleInvalid:str=“錯誤”,stringOrderType:str=“frequencyDesc” )

一個標簽索引器映射一個字符串列的索引標簽的ML列標簽。如果輸入列數字,我們丟給字符串和字符串的索引值。指數在[0,numLabels)。默認情況下,這是命令標簽頻率最常見的標簽被索引0。訂購行為是通過設置控製stringOrderType。其默認值是“frequencyDesc”。

例子

> > >stringIndexer=StringIndexer(inputCol=“標簽”,outputCol=“索引”,…stringOrderType=“frequencyDesc”)> > >stringIndexer。setHandleInvalid(“錯誤”)StringIndexer……> > >模型=stringIndexer。適合(stringIndDf)> > >模型。setHandleInvalid(“錯誤”)StringIndexerModel……> > >道明=模型。變換(stringIndDf)> > >排序(集(((我(0),我(1])為我在道明。選擇(道明。id,道明。索引)。收集()))…關鍵=λx:x(0])[(0,0.0),(2.0)、(1.0)、(0.0)、(0.0)、(1.0)]> > >逆變器=IndexToString(inputCol=“索引”,outputCol=“label2”,標簽=模型。標簽)> > >itd=逆變器。變換(道明)> > >排序(集(((我(0),str(我(1)))為我在itd。選擇(itd。id,itd。label2)。收集()))…關鍵=λx:x(0])[(0,a)、(b), (2, ' c '), (3 ' '), (4 ' '), (5 ' c '))> > >stringIndexerPath=temp_path+“/ string-indexer”> > >stringIndexer。保存(stringIndexerPath)> > >loadedIndexer=StringIndexer。負載(stringIndexerPath)> > >loadedIndexer。getHandleInvalid()= =stringIndexer。getHandleInvalid()真正的> > >modelPath=temp_path+“/ string-indexer-model”> > >模型。保存(modelPath)> > >loadedModel=StringIndexerModel。負載(modelPath)> > >loadedModel。標簽= =模型。標簽真正的> > >indexToStringPath=temp_path+“/ index-to-string”> > >逆變器。保存(indexToStringPath)> > >loadedInverter=IndexToString。負載(indexToStringPath)> > >loadedInverter。getLabels()= =逆變器。getLabels()真正的> > >loadedModel。變換(stringIndDf)。取(1)= =模型。變換(stringIndDf)。取(1)真正的> > >stringIndexer。getStringOrderType()“frequencyDesc”> > >stringIndexer=StringIndexer(inputCol=“標簽”,outputCol=“索引”,handleInvalid=“錯誤”,…stringOrderType=“alphabetDesc”)> > >模型=stringIndexer。適合(stringIndDf)> > >道明=模型。變換(stringIndDf)> > >排序(集(((我(0),我(1])為我在道明。選擇(道明。id,道明。索引)。收集()))…關鍵=λx:x(0])[(0,2.0),(1.0)、(0.0)、(2.0)、(2.0)、(0.0)]> > >fromlabelsModel=StringIndexerModel。from_labels([“一個”,“b”,“c”),…inputCol=“標簽”,outputCol=“索引”,handleInvalid=“錯誤”)> > >結果=fromlabelsModel。變換(stringIndDf)> > >排序(集(((我(0),我(1])為我在結果。選擇(結果。id,結果。索引)。收集()))…關鍵=λx:x(0])[(0,0.0),(1.0)、(2.0)、(0.0)、(0.0)、(2.0)]> > >testData=sc。並行化([行(id=0,label1=“一個”,label2=“e”),…行(id=1,label1=“b”,label2=“f”),…行(id=2,label1=“c”,label2=“e”),…行(id=3,label1=“一個”,label2=“f”),…行(id=4,label1=“一個”,label2=“f”),…行(id=5,label1=“c”,label2=“f”)),3)> > >multiRowDf=火花。createDataFrame(testData)> > >輸入=(“label1”,“label2”]> > >輸出=(“index1”,“index2”]> > >stringIndexer=StringIndexer(inputCols=輸入,outputCols=輸出)> > >模型=stringIndexer。適合(multiRowDf)> > >結果=模型。變換(multiRowDf)> > >排序(集(((我(0),我(1),我(2])為我在結果。選擇(結果。id,結果。index1,…結果。index2)。收集()))關鍵=λx:x(0])((0,0.0,1.0),(1,2.0,0.0),(2,1.0,1.0),(3,0.0,0.0),(0.0,0.0),(5、1.0、0.0)]> > >fromlabelsModel=StringIndexerModel。from_arrays_of_labels([[“一個”,“b”,“c”),(“e”,“f”]],…inputCols=輸入,outputCols=輸出)> > >結果=fromlabelsModel。變換(multiRowDf)> > >排序(集(((我(0),我(1),我(2])為我在結果。選擇(結果。id,結果。index1,…結果。index2)。收集()))關鍵=λx:x(0])((0,0.0,0.0),(1,1.0,1.0),(2,2.0,0.0),(3,0.0,1.0),(0.0,1.0),(5、2.0、1.0)]

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。
適合(數據集[params))	適合一個模型與可選參數的輸入數據集。
fitMultiple(paramMaps數據集)	適合一個模型為每個參數映射的輸入數據集paramMaps。
getHandleInvalid()	得到的價值handleInvalid或其默認值。
getInputCol()	得到的價值inputCol或其默認值。
getInputCols()	得到的價值inputCols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。
getOutputCols()	得到的價值outputCols或其默認值。
getParam(paramName)	通過它的名稱參數。
getStringOrderType()	獲得的價值stringOrderType或其默認值“frequencyDesc”。
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。
setHandleInvalid(值)	設置的值handleInvalid。
setInputCol(值)	設置的值inputCol。
setInputCols(值)	設置的值inputCols。
setOutputCol(值)	設置的值outputCol。
setOutputCols(值)	設置的值outputCols。
setparam(自我,\ [,outputCol inputCol…))	為這個StringIndexer設置參數。
setStringOrderType(值)	設置的值stringOrderType。
寫()	返回一個MLWriter實例毫升實例。

屬性

handleInvalid
inputCol
inputCols
outputCol
outputCols
參數個數	返回所有參數命令的名字。
stringOrderType

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

適合 ( 數據集:pyspark.sql.dataframe.DataFrame,參數個數:聯盟[ParamMap、列表(ParamMap)元組(ParamMap),沒有一個)=沒有一個 )→聯盟(米,列表(米] ]

適合一個模型與可選參數的輸入數據集。

參數

數據集 pyspark.sql.DataFrame

輸入數據集。

參數個數 dict或列表或元組,可選的

一個可選的參數覆蓋嵌入參數的地圖。如果列表/元組的參數映射,這適用於每一個參數並返回一個列表的模型映射。

返回

變壓器或者一個列表變壓器

擬合模型(年代)

fitMultiple ( 數據集:pyspark.sql.dataframe.DataFrame,paramMaps:序列(ParamMap] )→迭代器(元組(int,米] ]

適合一個模型為每個參數映射的輸入數據集paramMaps。

參數

數據集 pyspark.sql.DataFrame

輸入數據集。

paramMaps collections.abc.Sequence

一係列的參數映射。

返回

_FitMultipleIterator

一個線程安全的iterable包含為每個參數映射模型。每次調用下一個(modelIterator)將返回(指數模型)模型是適合使用在哪裏paramMaps(指數)。指數值可能不是連續的。

getHandleInvalid ( )→str

得到的價值handleInvalid或其默認值。

getInputCol ( )→str

得到的價值inputCol或其默認值。

getInputCols ( )→列表(str]

得到的價值inputCols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。

getOutputCols ( )→列表(str]

得到的價值outputCols或其默認值。

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

通過它的名稱參數。

getStringOrderType ( )→str

獲得的價值stringOrderType或其默認值“frequencyDesc”。

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。

setHandleInvalid ( 價值:str )→pyspark.ml.feature.StringIndexer

設置的值handleInvalid。

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

設置的值inputCol。

setInputCols ( 價值:列表(str] )→pyspark.ml.feature.StringIndexer

設置的值inputCols。

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

設置的值outputCol。

setOutputCols ( 價值:列表(str] )→pyspark.ml.feature.StringIndexer

設置的值outputCols。

setparam ( 自我,\ *,inputCol =沒有,outputCol =沒有,inputCols =沒有,outputCols =沒有,handleInvalid = "錯誤",stringOrderType = " frequencyDesc " )

為這個StringIndexer設置參數。

setStringOrderType ( 價值:str )→pyspark.ml.feature.StringIndexer

設置的值stringOrderType。

寫 ( )→pyspark.ml.util.JavaMLWriter

返回一個MLWriter實例毫升實例。

屬性的文檔

handleInvalid =參數(父母=‘定義’,name = ' handleInvalid ', doc = "如何處理無效數據(看不見的或NULL值)的特性和標簽列字符串類型。選擇“跳過”(過濾掉行無效數據),錯誤(拋出一個錯誤),或“保持”(把無效的數據放在一個特別的額外的桶,在指數numLabels)。”)

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

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

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

outputCols =參數(父母=‘定義’,name = ' outputCols ', 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。

stringOrderType =參數(父母=‘定義’,name = ' stringOrderType ', doc = '如何訂購標簽的字符串列。排序後的第一個標簽分配索引為0。支持選擇:frequencyDesc、frequencyAsc alphabetDesc alphabetAsc。默認是frequencyDesc。在相同的頻率下frequencyDesc / Asc,字符串是進一步按照字母順序排列)

以前的

StopWordsRemover

下一個

StringIndexerModel