VectorAssembler创建字符串值而不是原始整数

问题描述：使用VectorAssembler时，创建的特征向量列包含字符串值而不是原始整数值。

解决方法： 通常，VectorAssembler用于将多个列合并为单个特征向量列。但是，如果输入列包含字符串值而不是原始整数值，VectorAssembler将导致错误或创建包含字符串值的特征向量列。

要解决这个问题，可以使用StringIndexer将字符串值转换为整数值，然后再使用VectorAssembler将整数值列合并为特征向量列。

下面是一个示例代码，演示如何使用StringIndexer和VectorAssembler解决这个问题：

from pyspark.ml.feature import StringIndexer, VectorAssembler
from pyspark.sql import SparkSession

# 创建SparkSession
spark = SparkSession.builder.getOrCreate()

# 创建示例数据帧
data = [("Alice", 25, 100),
        ("Bob", 30, 200),
        ("Charlie", 35, 300)]
df = spark.createDataFrame(data, ["name", "age", "salary"])

# 创建StringIndexer对象并将字符串列转换为整数列
indexer = StringIndexer(inputCol="name", outputCol="name_indexed")
df_indexed = indexer.fit(df).transform(df)

# 使用VectorAssembler将整数列合并为特征向量列
assembler = VectorAssembler(inputCols=["age", "salary", "name_indexed"], outputCol="features")
df_assembled = assembler.transform(df_indexed)

# 显示结果
df_assembled.show(truncate=False)

运行上述代码，将会得到类似以下的结果：

+-------+---+------+-------------+-------------------+
|name   |age|salary|name_indexed |features           |
+-------+---+------+-------------+-------------------+
|Alice  |25 |100   |0.0          |[25.0,100.0,0.0]   |
|Bob    |30 |200   |2.0          |[30.0,200.0,2.0]   |
|Charlie|35 |300   |1.0          |[35.0,300.0,1.0]   |
+-------+---+------+-------------+-------------------+

可以看到，name列已经被转换为name_indexed列，而特征向量列（features）包含整数值而不是字符串值。