描述 #

文本长度计算器 - 计算文本的字符长度

核心功能 #

• 文本长度计算：计算输入文本的字符数量
• 批量处理：支持批量文本长度计算
• 数值输出：返回整数类型的长度值

应用场景 #

• 文本长度统计分析
• 数据质量检查
• 文本预处理和筛选

技术特性 #

• 精确计算：使用Python内置len()函数计算字符数
• 类型安全：确保输入为字符串类型

算子参数 #

输入 #

输出 #

文本长度列，元素类型为整数

调用示例 #

下面的代码展示了如何使用 daft 运行算子计算文本的字符长度。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.text.text_length_calculator import TextLengthCalculator
from daft.las.functions.udf import las_udf

if __name__ == "__main__":

    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()
    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    samples = {
        "text": [
            "Hello World",
            "你好世界",
            "Python编程 is fun",
            None,
        ]
    }

    ds = daft.from_pydict(samples)
    ds = ds.with_column(
        "length",
        las_udf(
            TextLengthCalculator,
            construct_args={},
        )(col("text")),
    )

    ds.show()
    # ╭───────────────────┬────────╮
    # │ text              ┆ length │
    # │ ---               ┆ ---    │
    # │ String            ┆ Int64  │
    # ╞═══════════════════╪════════╡
    # │ Hello World       ┆ 11     │
    # ├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌┤
    # │ 你好世界          ┆ 4      │
    # ├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌┤
    # │ Python编程 is fun ┆ 15     │
    # ├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌┤
    # │ None              ┆ None   │
    # ╰───────────────────┴────────╯