與StringIndexer相對應，IndexToString的作用是把標簽索引的一列重新映射回原有的字符型標簽。

其主要使用場景一般都是和StringIndexer配合，先用StringIndexer將標簽轉化成標簽索引，進行模

型訓練，然后在預測標簽的時候再把標簽索引轉化成原有的字符標簽。當然，你也可以另外定義其他

的標簽。

首先，和StringIndexer的實驗相同，我們用StringIndexer讀取數據集中的“category”列，把字符

型標簽轉化成標簽索引，然后輸出到“categoryIndex”列上，構建出新的DataFrame。

?

#導入相關的類庫

from pyspark.sql import SparkSession from pyspark.ml.feature import IndexToString, StringIndexer #創建SparkSession對象，配置spark spark= SparkSession.builder.master('local').appName('IndexToStringDemo').getOrCreate() #創建一個簡單的DataFrame訓練集 df = spark.createDataFrame( [(0, "a"), (1, "b"), (2, "c"), (3, "a"), (4, "a"), (5, "c")], ["id", "category"]) #創建StringIndexer對象，設置輸入輸出對象 indexer = StringIndexer(inputCol='category', outputCol='categoryIndex') #利用fit方法生成訓練模型 model = indexer.fit(df) #利用生成的模型對DataFrame進行轉換 indexed = model.transform(df) #創建IndexToString對象，設置輸入輸出參數，獲得原有數據集的字符型標簽，然后再輸出到“originalCategory” #列上。最后，通過輸出“originalCategory”列，可以看到數據集中原有的字符標簽。 converter = IndexToString(inputCol='categoryIndex',outputCol='orignalCategory') converter =converter.transform(indexed) converter.select("id","categoryIndex","orignalCategory").show()

?

轉載于:https://www.cnblogs.com/SoftwareBuilding/p/9492298.html

總結

以上是生活随笔為你收集整理的特征抽取--标签与索引的转化: IndexToString的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。