StringIndexer转换器可以把一列类别型的特征（或标签）进行编码，使其数值化。
索引的范围从0开始，该过程可以使得相应的特征索引化，使得某些无法接受类别型特征的算法可以使用。
并提高诸如决策树等机器学习算法的效率。
索引构建的顺序为标签的频率，优先编码频率较大的标签，所以出现频率最高的标签为0号。
如果输入的是数值型的，我们会把它转化成字符型，然后再对其进行编码。
返回的新列的类型为：double
代码如下：
01.生成对象
#%%
from pyspark.sql import SparkSession
from pyspark.ml.feature import StringIndexer
spark = SparkSession.builder.config("spark.driver.host","192.168.1.4")
.config("spark.ui.showConsoleProgress","false")
.appName("StringIndexerT").master("local[*]").getOrCreate()
02.模拟数据
from pyspark.sql.types import Row
data = spark.createDataframe([
Row("hadoop"),
Row("spark"),
Row("flink"),
Row("kafka"),
Row("java"),
Row("flink"),
Row("kafka"),
Row("python")
],["name"])
data.show()
输出结果：
+------+ | name| +------+ |hadoop| | spark| | flink| | kafka| | java| | flink| | kafka| |python| +------+
03.使用StringIndexer转换器，并查看结果：
stringIndexer = StringIndexer(inputCol=data.columns[0],outputCol="ADD") model = stringIndexer.fit(data) outdata = model.transform(data) outdata.show()
输出结果：
+------+---+ | name|ADD| +------+---+ |hadoop|3.0| | spark|4.0| | flink|0.0| | kafka|1.0| | java|2.0| | flink|0.0| | kafka|1.0| |python|5.0| +------+---+
04.查看结果的类型：
outdata.printSchema() spark.stop()
输出结果：
root |-- name: string (nullable = true) |-- ADD: double (nullable = false)
