Pyspark-常用語句

  • dataframe字段操作
  • 打印權(quán)重
  • 解析概率
  • 模型調(diào)參
  • 初始化spark
  • 常用缺失值填充
  • StringIndexer 多字段處理
dataframe字段操作
字段split為array: withColumn('catenew', split(col('cates'), ','))
打印權(quán)重
rfModel = model_pipe.stages[-1]
attrs = sorted(
    (attr['idx'], attr['name']) for attr in
    (chain(*df_test_result.schema['features_asb'].metadata['ml_attr']['attrs'].values()))  # features_asb為assemble的output
)
feature_weight = [(idx, name, float(rfModel.featureImportances[idx])) for idx, name in attrs]
df_weight = spark.createDataFrame(feature_weight, ['idx', 'feature', 'weight'])
df_weight.orderBy(df_weight.weight.desc()).show(df_weight.count(), truncate=False)
解析概率
from pyspark.sql import functions as F
split_udf = udf(lambda value: float(value[1]))  # 需將dataframe的numpy.float64 cast to a python float.
df_result = df_result.withColumn('proba', split_udf('probability')).select('member_id', 'prediction', F.round('proba', 3).alias('proba'))
模型調(diào)參

see databricks

pipeline = Pipeline(stages=[assembler, gbdt])
paramGrid = (ParamGridBuilder()
             .addGrid(gbdt.maxDepth, [3, 5, 7])
             .addGrid(gbdt.maxIter, [15, 20, 25])
             .build())  # 參數(shù)搜索范圍
cv = CrossValidator(estimator=pipeline,estimatorParamMaps=paramGrid,evaluator=BinaryClassificationEvaluator(), numFolds=3)
cvModel = cv.fit(df_train)
df_test_result = cvModel.transform(df_test)
gbdtModel = cvModel.bestModel.stages[-1]  # 獲得模型

初始化spark

spark = SparkSession.builder.appName('pspredict').enableHiveSupport().config('spark.driver.memory', '8g').getOrCreate()  # jupyter
spark.sparkContext.setLogLevel('ERROR')

常用缺失值填充

(1) replace(to_replace, values, subset)
(2) replace('', 'unknown', 'country_nm')
(3) replace(['a', 'b'], ['c', 'd'], 'country_nm'): 將國家(可列表)中a->c, b->d, ab需同類型,b不能為None
(4) replace({-1: 14}, 'stature'): 將stature的-1->14,values參數(shù)無效,字典里多個需同類型(string與None不能混用)
(5) fillna('haha'): 將null->'haha', 非string值跳過
(6) fillna('xx', [columns_name]): 將多列統(tǒng)一替換na->xx
(7) fillna({'f1': 24, 'f2': 'hah'}): 多列分別替換

StringIndexer 多字段處理

pyspark StringIndexer 輸入列不支持多字段, 考慮使用表達式列表實現(xiàn)
indexer = [StringIndexer(inputCol=x, outputCol='{}_idx'.format(x), handleInvalid='keep')  for x in feature_index]
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末琢唾,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子懒熙,更是在濱河造成了極大的恐慌普办,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,311評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件衔蹲,死亡現(xiàn)場離奇詭異,居然都是意外死亡橱健,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,339評論 2 382
  • 文/潘曉璐 我一進店門拘荡,熙熙樓的掌柜王于貴愁眉苦臉地迎上來撬陵,“玉大人网缝,你說我怎么就攤上這事亮隙。” “怎么了溢吻?”我有些...
    開封第一講書人閱讀 152,671評論 0 342
  • 文/不壞的土叔 我叫張陵促王,是天一觀的道長犀盟。 經(jīng)常有香客問我蝇狼,道長,這世上最難降的妖魔是什么迅耘? 我笑而不...
    開封第一講書人閱讀 55,252評論 1 279
  • 正文 為了忘掉前任颤专,我火速辦了婚禮纽哥,結(jié)果婚禮上栖秕,老公的妹妹穿的比我還像新娘。我一直安慰自己簇捍,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 64,253評論 5 371
  • 文/花漫 我一把揭開白布吼句。 她就那樣靜靜地躺著梯投,像睡著了一般。 火紅的嫁衣襯著肌膚如雪分蓖。 梳的紋絲不亂的頭發(fā)上尔许,一...
    開封第一講書人閱讀 49,031評論 1 285
  • 那天,我揣著相機與錄音蒸甜,去河邊找鬼棠耕。 笑死柠新,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的恨憎。 我是一名探鬼主播,決...
    沈念sama閱讀 38,340評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼瓤荔,長吁一口氣:“原來是場噩夢啊……” “哼钥组!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起程梦,我...
    開封第一講書人閱讀 36,973評論 0 259
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎郎逃,沒想到半個月后拿撩,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體衣厘,經(jīng)...
    沈念sama閱讀 43,466評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡影暴,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 35,937評論 2 323
  • 正文 我和宋清朗相戀三年探赫,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片伦吠。...
    茶點故事閱讀 38,039評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖搁嗓,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情腺逛,我是刑警寧澤衡怀,帶...
    沈念sama閱讀 33,701評論 4 323
  • 正文 年R本政府宣布安疗,位于F島的核電站够委,受9級特大地震影響荐类,放射性物質(zhì)發(fā)生泄漏茁帽。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,254評論 3 307
  • 文/蒙蒙 一厌小、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧璧亚,春花似錦脂信、人聲如沸癣蟋。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,259評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽埋泵。三九已至,卻和暖如春礁蔗,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背浴井。 一陣腳步聲響...
    開封第一講書人閱讀 31,485評論 1 262
  • 我被黑心中介騙來泰國打工霉撵, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人徒坡。 一個月前我還...
    沈念sama閱讀 45,497評論 2 354
  • 正文 我出身青樓,卻偏偏與公主長得像呵曹,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子奄喂,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 42,786評論 2 345