从 Spark (pyspark) 管道内的 StringIndexer 阶段获取标签

我在用Spark and pyspark我有一个pipeline设置了一堆StringIndexer对象，我用它来将字符串列编码为索引列：

indexers = [StringIndexer(inputCol=column, outputCol=column + '_index').setHandleInvalid('skip')
            for column in list(set(data_frame.columns) - ignore_columns)]
pipeline = Pipeline(stages=indexers)
new_data_frame = pipeline.fit(data_frame).transform(data_frame)

问题是，我需要获取每个的标签列表StringIndexer安装后的对象。对于单个列和单个StringIndexer没有管道，这是一件容易的事。我只能访问labels将索引器安装到上之后的属性DataFrame:

indexer = StringIndexer(inputCol="name", outputCol="name_index")
indexer_fitted = indexer.fit(data_frame)
labels = indexer_fitted.labels
new_data_frame = indexer_fitted.transform(data_frame)

然而，当我使用管道时，这似乎不可能，或者至少我不知道如何做到这一点。

所以我想我的问题可以归结为： 有没有办法访问每个列的索引过程中使用的标签？

或者我是否必须在这个用例中放弃管道，例如循环遍历列表StringIndexer对象并手动执行？ （我确信这是可能的。但是使用管道会更好）

示例数据和Pipeline:

from pyspark.ml.feature import StringIndexer, StringIndexerModel

df = spark.createDataFrame([("a", "foo"), ("b", "bar")], ("x1", "x2"))

pipeline = Pipeline(stages=[
    StringIndexer(inputCol=c, outputCol='{}_index'.format(c))
    for c in df.columns
])

model = pipeline.fit(df)

摘自stages:

# Accessing _java_obj shouldn't be necessary in Spark 2.3+
{x._java_obj.getOutputCol(): x.labels 
for x in model.stages if isinstance(x, StringIndexerModel)}

{'x1_index': ['a', 'b'], 'x2_index': ['foo', 'bar']}

来自转换后的元数据DataFrame:

indexed = model.transform(df)

{c.name: c.metadata["ml_attr"]["vals"]
for c in indexed.schema.fields if c.name.endswith("_index")}

{'x1_index': ['a', 'b'], 'x2_index': ['foo', 'bar']}