来源:https://www.yuque.com/pinshu/alink_guide/czg4cx
1 Alink Schema String简介【Alink使用技巧】
Alink在进行表数据读取和转换时，有时需要显示声明数据表的列名和列类型信息，即Schema信息。Schema String就是将此信息使用字符串的方式描述，这样便于作为Java函数或者Python函数的参数输入。
Schema String的定义格式与SQL Create Table语句所输入的格式相同，列名与对应列类型间使用空格分隔，各列定义间使用逗号分隔。具体格式如下：
colname coltype[, colname2 coltype2[, ...]]
例如，"f0 string, f1 bigint, f2 double"，即表明数据表共有3列，名称分别为f0, f1和f2；对应类型分别为字符串类型，长整型和双精度浮点型。
关于各种列类型的写法，可以参照下面Flink Type与Type String的对应表。注意：为了适应不同用户的习惯，同一个Flink Type可能对应着多种Type String的写法。另外，Type String对于大小写不敏感，可以写STRING，也可以写String, string等形式。
2 DataFrame和Alink批式数据的互相转化【Alink使用技巧】
Alink提供了collectToDataframe()和fromDataframe()方法，实现了DataFrame和Alink批式数据的互相转化。
Alink批式数据 -> DataFrame
Alink的批式数据源或者计算结果，如果能转成Python的DataFrame形式，则可以利用Python丰富的函数库及可视化功能，进行后续的分析和显示。
Alink中每个批式数据源或批式算子都支持collectToDataframe()方法，不需要输入参数，返回的结果就是DataFrame。注意，该方法中带有collect字样，表明其执行过程中会使用Flink的collect方法，触发Flink任务执行。
示例如下，我们使用CsvSourceBatchOp读取UCI网站的iris.data数据
source = CsvSourceBatchOp() .setFilePath("http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data") .setSchemaStr("sepal_length double, sepal_width double, petal_length double, petal_width double, category string")
然后调用变量source的collectToDataframe()方法，得到相应的DataFrame，付给变量df_iris
df_iris = source.collectToDataframe()
到这里，我们就已经实现了Alink数据到Python DataFrame的转化，下面我们就可以使用Python的函数，进一步处理df_iris，譬如：使用head()方法，显示前5条数据。
df_iris.head()
运行结果为：
DataFrame -> Alink批式数据
对于DataFrame形式的数据，Alink提供了fromDataframe()方法，将数据转换为Alink批式数据。具体使用示例如下：
iris = BatchOperator.fromDataframe(df_iris, "sepal_length double, sepal_width double, petal_length double, petal_width double, category string")
使用Alink批式算子BatchOperator的静态方法fromDataframe()，第一个参数为DataFrame数据，第二个参数为数据Schema的描述，由于DataFrame的数据类型与Alink有点差异，通过设置schema参数，可以严格保证转化后的数据与我们期望的一致。关于Schema String更多的介绍可以参见关于 Alink Schema String的简介。
最后，我们看一下转换后的Alink批式数据iris，取前5条数据进行打印输出，代码如下：
iris.firstN(5).print()
3 Python数组如何转化为批式数据源？【Alink使用技巧】
Python数组如何转化为批式数据源，是将DataFrame作为桥梁，分两步实现的：
- 首先，Python Pandas提供了几种途径，可以在代码中直接输入数据，并构建DataFrame
- PyAlink提供了DataFrame到SourceBatchOp的转换
示例如下，首先import pandas，然后定义一个包含String及整数类型的二维数组，并将其转化为DataFrame
import pandas as pd arr_2D =[ ['Alice',1], ['Bob',2], ['Cindy',3] ] df = pd.DataFrame(arr_2D)
然后使用BatchOperator的fromDataFrame方法，将前面定义好的DataFrame类型变量df作为第一个参数，后面的参数用来定义数据的列名与类型，使用SchemaStr格式，即列名与其类型间用空格分隔，各列定义之间使用逗号进行分隔。对应脚本如下：
BatchOperator.fromDataframe(df, 'name string, value int').print()
在上面脚本的最后部分，是对转换得到的Alink BatchOperator数据源执行print方法，显示数据的内容如下：
