NGram

类 pyspark.ml.feature。 NGram ( *,n:int=2,inputCol:可选(str]=没有一个,outputCol:可选(str]=没有一个 )

变压器的特性,将输入的字符串数组转换成一个字格数组。Null值在输入数组将被忽略。它将返回一组字格,每个语法由空格分隔的字符串表示的单词。当输入为空,则返回一个空数组。当输入数组长度小于n(每个语法元素的数量),不返回字格。

例子

> > >df=火花。createDataFrame([行(inputTokens=(“一个”,“b”,“c”,“d”,“e”))))> > >ngram=NGram(n=2)> > >ngram。setInputCol(“inputTokens”)NGram……> > >ngram。setOutputCol(“nGrams”)NGram……> > >ngram。变换(df)。头()行(inputTokens = [a, b, c, d ', ' e '], nGrams = [b, b c, c d ', ' d e '])> > >#改变n元长度> > >ngram。setparam(n=4)。变换(df)。头()行(inputTokens = [a, b, c, d ', ' e '], nGrams = [a b c d ', ' b c d e '])> > >#暂时修改输出列。> > >ngram。变换(df,{ngram。outputCol:“输出”})。头()行(inputTokens = [a, b, c, d ', ' e '],输出= [a b c d ', ' b c d e '])> > >ngram。变换(df)。头()行(inputTokens = [a, b, c, d ', ' e '], nGrams = [a b c d ', ' b c d e '])> > >#必须使用关键字参数来指定参数。> > >ngram。setparam(“文本”)回溯(最近的电话):…TypeError:关键字参数方法setparam力量。> > >ngramPath=temp_path+“/ ngram”> > >ngram。保存(ngramPath)> > >loadedNGram=NGram。负载(ngramPath)> > >loadedNGram。getN()= =ngram。getN()真正的> > >loadedNGram。变换(df)。取(1)= =ngram。变换(df)。取(1)真正的

方法

清晰的(参数)	清除参数映射的参数是否被显式地设置。
复制((额外的))	创建这个实例的副本具有相同uid和一些额外的参数。
explainParam(参数)	解释一个参数并返回它的名字,医生,和可选的默认值,用户提供的字符串值。
explainParams()	返回文档的所有参数选择默认值和用户提供的值。
extractParamMap((额外的))	提取嵌入默认参数值和用户提供的值,然后合并他们额外的值从输入平面参数映射,后者使用价值如果存在冲突,即。排序:默认参数值< <额外的用户提供的值。
getInputCol()	得到的价值inputCol或其默认值。
getN()	得到n的值或其默认值。
getOrDefault(参数)	得到参数的值在用户提供的参数映射或其默认值。
getOutputCol()	得到的价值outputCol或其默认值。
getParam(paramName)	通过它的名称参数。
hasDefault(参数)	检查是否一个参数有默认值。
hasParam(paramName)	测试这个实例包含一个参数是否与给定名称(字符串)。
isDefined(参数)	检查参数是否由用户或显式地设置一个默认值。
收取(参数)	检查参数是否由用户显式地设置。
负载(路径)	从输入路径,读取一个毫升实例的快捷方式read () .load(路径)。
读()	返回一个MLReader这个类的实例。
保存(路径)	这个毫升实例保存到给定的路径,一个快捷方式的“写().save(路径)。
集(参数值)	设置一个参数嵌入参数映射。
setInputCol(值)	设置的值inputCol。
setN(值)	设置的值n。
setOutputCol(值)	设置的值outputCol。
setparam(自我,\ [n inputCol, outputCol])	为这个NGram设置参数。
变换(数据集[params))	与可选参数转换的输入数据集。
写()	返回一个MLWriter实例毫升实例。

属性

inputCol
n
outputCol
参数个数	返回所有参数命令的名字。

方法的文档

清晰的 ( 参数:pyspark.ml.param.Param )→没有

清除参数映射的参数是否被显式地设置。

复制 ( 额外的:可选(ParamMap]=没有一个 )→摩根大通

创建这个实例的副本具有相同uid和一些额外的参数。这个实现第一次调用参数。复制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.

参数

额外的 东西,可选

额外参数复制到新实例

返回

JavaParams

这个实例的副本

explainParam ( 参数:联盟(str,pyspark.ml.param.Param] )→str

解释一个参数并返回它的名字,医生,和可选的默认值,用户提供的字符串值。

explainParams ( )→str

返回文档的所有参数选择默认值和用户提供的值。

extractParamMap ( 额外的:可选(ParamMap]=没有一个 )→ParamMap

提取嵌入默认参数值和用户提供的值,然后合并他们额外的值从输入平面参数映射,后者使用价值如果存在冲突,即。排序:默认参数值< <额外的用户提供的值。

参数

额外的 东西,可选

额外的参数值

返回

dict

合并后的参数映射

getInputCol ( )→str

得到的价值inputCol或其默认值。

getN ( )→int

得到n的值或其默认值。

getOrDefault ( 参数:联盟(str,pyspark.ml.param.Param(T]] )→联盟(任何,T]

得到参数的值在用户提供的参数映射或其默认值。如果没有设置提出了一个错误。

getOutputCol ( )→str

得到的价值outputCol或其默认值。

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

通过它的名称参数。

hasDefault ( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool

检查是否一个参数有默认值。

hasParam ( paramName:str )→bool

测试这个实例包含一个参数是否与给定名称(字符串)。

isDefined ( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool

检查参数是否由用户或显式地设置一个默认值。

收取 ( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool

检查参数是否由用户显式地设置。

classmethod 负载 ( 路径:str )→RL

从输入路径,读取一个毫升实例的快捷方式read () .load(路径)。

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

返回一个MLReader这个类的实例。

保存 ( 路径:str )→没有

这个毫升实例保存到给定的路径,一个快捷方式的“写().save(路径)。

集 ( 参数:pyspark.ml.param.Param,价值:任何 )→没有

设置一个参数嵌入参数映射。

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

设置的值inputCol。

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

设置的值n。

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

设置的值outputCol。

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

为这个NGram设置参数。

变换 ( 数据集:pyspark.sql.dataframe.DataFrame,参数个数:可选(ParamMap]=没有一个 )→pyspark.sql.dataframe.DataFrame

与可选参数转换的输入数据集。

参数

数据集 pyspark.sql.DataFrame

输入数据集

参数个数 东西,可选

一个可选的参数覆盖嵌入参数的地图。

返回

pyspark.sql.DataFrame

改变了数据集

写 ( )→pyspark.ml.util.JavaMLWriter

返回一个MLWriter实例毫升实例。

属性的文档

inputCol =参数(父母=‘定义’,name = ' inputCol ', doc =输入列名称。)

n :pyspark.ml.param.Param (int) =参数(父母=‘定义’,name = ' n ', doc = '每个语法元素的数量(> = 1)')

outputCol =参数(父母=‘定义’,name = ' outputCol ', doc =输出列名称。)

参数个数

返回所有参数命令的名字。默认实现使用dir ()所有的属性类型参数。

以前的

MinMaxScalerModel

下一个

标准化者