栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 前沿技术 > 大数据 > 大数据系统

pyspark 变量分箱代码实现

pyspark 变量分箱代码实现

直接上代码:

from pyspark.ml.feature import QuantileDiscretizer

lis = [{'cli': 11}, {'cli': 0}, {'cli': 0}, {'cli': 3}, {'cli': 100}, {'cli': 76}, {'cli': 23}, {'cli': 2}, 
       {'cli': 800}, {'cli': 9}, {'cli': 10}, {'cli': 100}, {'cli': 339}, {'cli': 678}, {'cli': 297}, 
       {'cli': 10}]
dlis = ss.createDataframe(lis)
dlis.show()

dqis = QuantileDiscretizer(numBuckets=3, inputCol='cli', outputCol='cli_but', relativeError=0.001)
model = dqis.fit(dlis)
dlis = model.transform(dlis)
dlis.show()

ltmp = [{'cli': 7}, {'cli': 70}]
tmplis = ss.createDataframe(ltmp)

# # 保存分箱规则到HDFS
# model.write().overwrite().save('XXX.model')
# mmmodel = QuantileDiscretizer.load('XXX.model')
# df1 = mmmodel.transform(tmplis)
# df1.show()
'''
+---+
|cli|
+---+
| 11|
|  0|
|  0|
|  3|
|100|
| 76|
| 23|
|  2|
|800|
|  9|
| 10|
|100|
|339|
|678|
|297|
| 10|
+---+

+---+-------+
|cli|cli_but|
+---+-------+
| 11|    1.0|
|  0|    0.0|
|  0|    0.0|
|  3|    0.0|
|100|    2.0|
| 76|    1.0|
| 23|    1.0|
|  2|    0.0|
|800|    2.0|
|  9|    0.0|
| 10|    1.0|
|100|    2.0|
|339|    2.0|
|678|    2.0|
|297|    2.0|
| 10|    1.0|
+---+-------+
'''

官方API:

http://spark.apache.org/docs/latest/api/python/reference/api/pyspark.ml.feature.QuantileDiscretizer.html#pyspark.ml.feature.QuantileDiscretizer

其它例子:

https://www.wenjiangs.com/doc/sjq3ypen1

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/354534.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号