Spark ML中的UnaryTransformer源码解析-优快云博客

本文链接：https://blog.youkuaiyun.com/wang2leee/article/details/132487421

本文详细解读了SparkML库中的UnaryTransformer抽象类，涉及源码注释、设置输入输出列方法、自定义转换函数示例以及适用场景，适合自定义单列转换的开发者参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Spark ML中的UnaryTransformer源码解析

1. 源码加上中文注释

/**
 * :: DeveloperApi ::
 * 抽象类，用于接收一个输入列，应用转换并将结果作为新列输出。
 */
@DeveloperApi
abstract class UnaryTransformer[IN, OUT, T <: UnaryTransformer[IN, OUT, T]]
  extends Transformer with HasInputCol with HasOutputCol with Logging {

  /** @group setParam */
  def setInputCol(value: String): T = set(inputCol, value).asInstanceOf[T]

  /** @group setParam */
  def setOutputCol(value: String): T = set(outputCol, value).asInstanceOf[T]

  /**
   * 使用给定的参数映射创建转换函数。输入的参数映射已经考虑了嵌入的参数映射。
   * 因此，参数值应该完全由输入的参数映射确定。
   */
  protected def createTransformFunc: IN => OUT

  /**
   * 返回输出列的数据类型。
   */
  protected def outputDataType: DataType

  /**
   * 验证输入类型。如果无效，则抛出异常。
   */
  protected def validateInputType(inputType: DataType): Unit = {}

  override def transformSchema(schema: StructType): StructType = {
    val inputType = schema($(inputCol)).dataType
    validateInputType(inputType)
    if (schema.fieldNames.contains($(outputCol))) {
      throw new IllegalArgumentException(s"Output column ${$(outputCol)} already exists.")
    }
    val outputFields = schema.fields :+
      StructField($(outputCol), outputDataType, nullable = false)
    StructType(outputFields)
  }

  override def transform(dataset: Dataset[_]): DataFrame = {
    transformSchema(dataset.schema, logging = true)
    val transformUDF = udf(this.createTransformFunc, outputDataType)
    dataset.withColumn($(outputCol), transformUDF(dataset($(inputCol))))
  }

  override def copy(extra: ParamMap): T = defaultCopy(extra)
}

2. 多种主要用法及其代码示例

设置输入列：

val transformer = new MyUnaryTransformer().setInputCol("input")

设置输出列：

val transformer = new MyUnaryTransformer().setOutputCol("output")

自定义转换函数：

class MyUnaryTransformer extends UnaryTransformer[String, Int, MyUnaryTransformer] {
  override protected def createTransformFunc: String => Int = { input =>
    // 自定义的转换逻辑，将字符串转换为整数
    input.toInt
  }

  override protected def outputDataType: DataType = IntegerType
}