VectorAssembler

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

變壓器的特性,合並多個列成一個向量列。

例子

> > >df=火花。createDataFrame(((1,0,3)),(“一個”,“b”,“c”])> > >vecAssembler=VectorAssembler(outputCol=“特征”)> > >vecAssembler。setInputCols([“一個”,“b”,“c”])VectorAssembler……> > >vecAssembler。變換(df)。頭()。特性DenseVector ((1.0, 0.0, 3.0))> > >vecAssembler。setparam(outputCol=“頻率”)。變換(df)。頭()。頻率DenseVector ((1.0, 0.0, 3.0))> > >參數個數={vecAssembler。inputCols:(“b”,“一個”),vecAssembler。outputCol:“向量”}> > >vecAssembler。變換(df,參數個數)。頭()。向量DenseVector ([0.0, 1.0])> > >vectorAssemblerPath=temp_path+“/ vector-assembler”> > >vecAssembler。保存(vectorAssemblerPath)> > >loadedAssembler=VectorAssembler。負載(vectorAssemblerPath)> > >loadedAssembler。變換(df)。頭()。頻率= =vecAssembler。變換(df)。頭()。頻率真正的> > >dfWithNullsAndNaNs=火花。createDataFrame(…((1.0,2.0,沒有一個),(3.0,浮動(“南”),4.0),(5.0,6.0,7.0)),(“一個”,“b”,“c”])> > >vecAssembler2=VectorAssembler(inputCols=(“一個”,“b”,“c”),outputCol=“特征”,…handleInvalid=“保持”)> > >vecAssembler2。變換(dfWithNullsAndNaNs)。顯示()+ - - - + - - - + - - - - - - - - - - - - - - - - - - + +| | | | b c |特性+ - - - + - - - + - - - - - - - - - - - - - - - - - - + +零| | 1.0 | 2.0 | |(1.0,2.0,南)| 3.0 |南| 4.0 | 3.0,NaN, 4.0 || 5.0 | 6.0 | 7.0 | | (5.0,6.0,7.0)+ - - - + - - - + - - - - - - - - - - - - - - - - - - + +…> > >vecAssembler2。setparam(handleInvalid=“跳過”)。變換(dfWithNullsAndNaNs)。顯示()+ - - - + - - - + - - - + - - - - - - - - - - - - - +| | | | b c |特性+ - - - + - - - + - - - + - - - - - - - - - - - - - +| 5.0 | 6.0 | 7.0 | | (5.0,6.0,7.0)+ - - - + - - - + - - - + - - - - - - - - - - - - - +…

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。
getHandleInvalid()	得到的價值handleInvalid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。
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。
setHandleInvalid(值)	設置的值handleInvalid。
setInputCols(值)	設置的值inputCols。
setOutputCol(值)	設置的值outputCol。
setparam(自我,\ [,outputCol inputCols…))	為這個VectorAssembler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

handleInvalid
inputCols
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

getHandleInvalid ( )→str

得到的價值handleInvalid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。

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。

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

設置的值handleInvalid。

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

設置的值inputCols。

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

設置的值outputCol。

setparam ( 自我,\ *,inputCols =沒有,outputCol =沒有,handleInvalid = "錯誤" )

為這個VectorAssembler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

handleInvalid :pyspark.ml.param.Param (str) =參數(父母=‘定義’,name = ' handleInvalid ', doc = "如何處理無效數據(零和NaN值)。選擇“跳過”(過濾掉行無效數據),“錯誤”(拋出一個錯誤),或“保持”(返回相關的南輸出)。列的長度從毫升屬性組的大小,也可以設置在管道中使用“VectorSizeHint”之前“VectorAssembler”。列的長度也可以推斷出從第一行的數據因為它這樣做是安全的,但隻有在“錯誤”或“跳過”)。”)

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。)

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

VarianceThresholdSelectorModel

下一個

VectorIndexer