Pyspark 无法将StringIndexer作为列表传递到模型管道阶段

PySpark管道对我来说是非常新的。我试图通过传递以下列表在管道中创建阶段：

pipeline=pipeline（）

我在多个列上应用功能索引：

cat_col=[‘性别’、‘习惯’、‘模式]

indexer=[StringIndexer（inputCol=column，outputCol=column+“\u index”）。为cat\u col中的列拟合（训练数据\u 0）

在管道上运行fit时，我发现以下错误：

model\u pipeline=pipeline.fit（列车df）

我们如何将列表传递到舞台或任何解决方案，以实现这一目标或更好的方式实现这一目标？

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<command-3999694668013877> in <module>
----> 1 model_pipeline = pipeline.fit(train_df)

/databricks/spark/python/pyspark/ml/base.py in fit(self, dataset, params)
    130                 return self.copy(params)._fit(dataset)
    131             else:
--> 132                 return self._fit(dataset)
    133         else:
    134             raise ValueError("Params must be either a param map or a list/tuple of param maps, "

/databricks/spark/python/pyspark/ml/pipeline.py in _fit(self, dataset)
     95             if not (isinstance(stage, Estimator) or isinstance(stage, Transformer)):
     96                 raise TypeError(
---> 97                     "Cannot recognize a pipeline stage of type %s." % type(stage))
     98         indexOfLastEstimator = -1
     99         for i, stage in enumerate(stages):

TypeError: Cannot recognize a pipeline stage of type <class 'list'>.```


---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在里面
---->1型号管道=管道安装（列车df）
/fit中的databricks/spark/python/pyspark/ml/base.py（self、dataset、params）
130返回自复制（参数）.\u拟合（数据集）
131其他：
-->132返回自拟合（数据集）
133其他：
134 raise VALUERROR（“参数必须是参数映射或参数映射的列表/元组，”
/databricks/spark/python/pyspark/ml/pipeline.py in_-fit（self，dataset）
95如果不是（isinstance（阶段、估计器）或isinstance（阶段、变压器））：
96上升类型错误(
--->97“无法识别%s类型的管道阶段。%type（阶段））
98指数flastestimator=-1
99代表i，枚举阶段（阶段）：
TypeError:无法识别类型为的管道阶段```
试试下面的方法-

cat_col=[“性别”、“习惯”、“模式”]
indexer=[StringIndexer（inputCol=column，outputCol=column+“\u index”）。为cat\u col中的列拟合（训练数据\u 0）
汇编程序=向量汇编程序。。。
dtc\u模型=决策树分类程序。。。
#使用转换器和估计器创建管道
阶段=索引器
stages.append（汇编程序）
阶段。附加（dtc\U型号）
管道=管道（）.设置阶段（阶段）
模型_管道=管道.fit（列_-df）
试试下面的方法-

cat_col=[“性别”、“习惯”、“模式”]
indexer=[StringIndexer（inputCol=column，outputCol=column+“\u index”）。为cat\u col中的列拟合（训练数据\u 0）
汇编程序=向量汇编程序。。。
dtc\u模型=决策树分类程序。。。
#使用转换器和估计器创建管道
阶段=索引器
stages.append（汇编程序）
阶段。附加（dtc\U型号）
管道=管道（）.设置阶段（阶段）
模型_管道=管道.fit（列_-df）
在应用建议的更改时，也会出现相同的错误：
TypeError:无法识别类型为
更新的ans的管道阶段。虽然我还没有执行，但尝试使用以下命令来修复它：
pipeline=pipeline（）。设置标记（索引器+[assembler，dtc\u model]）
谢谢您的帮助！在应用建议的更改时，也会出现相同的错误：
TypeError:无法识别类型为
更新的ans的管道阶段。虽然我还没有执行，但尝试使用以下方法修复它：
pipeline=pipeline（）。设置标记（indexer+[assembler，dtc\u model]）
谢谢您的帮助！