Rychlý start: Datové struktury a objekty pomocí Pythonu se strojovým učením SQL

Platí pro: SQL Server 2017 (14.x) a novější verze Azure SQL Managed Instance

V tomto rychlém startu se dozvíte, jak používat datové struktury a datové typy při použití Pythonu ve službách SQL Server Machine Learning Services, Azure SQL Managed Instance Machine Learning Services nebo v clusterech s velkými objemy dat SQL Serveru. Dozvíte se o přesouvání dat mezi Pythonem a SQL Serverem a o běžných problémech, ke kterým může dojít.

Strojové učení SQL využívá balíček Pandas Pythonu, který je skvělý pro práci s tabulkovými daty. Do databáze ale nemůžete předat skalár z Pythonu a očekávat, že bude fungovat. V tomto rychlém startu si projdete některé základní definice datové struktury, abyste se připravili na další problémy, se kterými se můžete setkat při předávání tabulkových dat mezi Pythonem a databází.

Mezi koncepty, které je potřeba znát předem, patří:

• Datový rámec je tabulka s více sloupci.
• Jeden sloupec datového rámce je objekt podobný seznamu označovaný jako řada.
• Jedna hodnota datového rámce se nazývá buňka a je přístupná indexem.

Jak byste zpřístupnili jediný výsledek výpočtu jako datový rámec, pokud datový rámec vyžaduje tabulkovou strukturu? Jednou z odpovědí je znázornění jedné skalární hodnoty jako řady, která se snadno převede na datový rámec.

Poznámka:

Při vracení kalendářních dat python v SQL používá dateTIME s omezeným rozsahem dat 1753-01-01(-53690) až 9999-12-31(2958463).

Požadavky

Ke spuštění tohoto rychlého startu potřebujete následující požadavky.

• Databáze SQL na jedné z těchto platforem:

  • služby pro strojové učení serveru SQL. Pokud ho chcete nainstalovat, přečtěte si průvodce instalací Windows nebo průvodce instalací Linuxu.
  • Clustery SQL Serveru pro velké objemy dat Podívejte se, jak povolit službu Machine Learning Services v clusterech s velkými objemy dat SQL Serveru.
  • Azure SQL Managed Instance Machine Learning Services Informace najdete v přehledu služby Azure SQL Managed Instance Machine Learning Services.

• Nástroj pro spouštění dotazů SQL, které obsahují skripty Pythonu. V tomto rychlém startu se používá Azure Data Studio.

Skalární hodnota jako řada

Tento příklad provede několik jednoduchých matematických operací a převede skalár na řadu.

1. Řada vyžaduje index, který můžete přiřadit ručně, jak je znázorněno zde, nebo programově.

   EXECUTE sp_execute_external_script @language = N'Python'
       , @script = N'
   a = 1
   b = 2
   c = a/b
   print(c)
   s = pandas.Series(c, index =["simple math example 1"])
   print(s)
   '
   

   Protože řady nebyly převedeny na data.frame, vrátí se hodnoty v okně Zprávy, ale můžete vidět, že výsledky jsou ve více tabulkovém formátu.

   Results

   STDOUT message(s) from external script: 
   0.5
   simple math example 1    0.5
   dtype: float64
   

2. Pokud chcete zvětšit délku řady, můžete přidat nové hodnoty pomocí pole.

   EXECUTE sp_execute_external_script @language = N'Python'
       , @script = N'
   a = 1
   b = 2
   c = a/b
   d = a*b
   s = pandas.Series([c,d])
   print(s)
   '
   

   Pokud nezadáte index, vygeneruje se index, který obsahuje hodnoty začínající hodnotou 0 a končící délkou pole.

   Results

   STDOUT message(s) from external script:
   0    0.5
   1    2.0
   dtype: float64
   

3. Pokud zvýšíte počet hodnot indexu , ale nepřidáte nové datové hodnoty, datové hodnoty se opakují, aby vyplnily řadu.

   EXECUTE sp_execute_external_script @language = N'Python'
       , @script = N'
   a = 1
   b = 2
   c = a/b
   s = pandas.Series(c, index =["simple math example 1", "simple math example 2"])
   print(s)
   '
   

   Results

   STDOUT message(s) from external script:
   0.5
   simple math example 1    0.5
   simple math example 2    0.5
   dtype: float64
   

Převod řad na datový rámec

Po převodu skalárních matematických výsledků na tabulkovou strukturu je stále potřeba je převést na formát, který dokáže strojové učení SQL zpracovat.

1. Chcete-li převést sérii na DataFrame, zavolejte metodu pandas.

   EXECUTE sp_execute_external_script @language = N'Python'
       , @script = N'
   import pandas as pd
   a = 1
   b = 2
   c = a/b
   d = a*b
   s = pandas.Series([c,d])
   print(s)
   df = pd.DataFrame(s)
   OutputDataSet = df
   '
   WITH RESULT SETS((ResultValue FLOAT))
   

   Výsledek je uvedený níže. I když index použijete k získání konkrétních hodnot z data.frame, hodnoty indexu nejsou součástí výstupu.

   Results

   ResultValue
   0,5
   2

Výstupní hodnoty do data.frame

Teď vypíšete konkrétní hodnoty ze dvou řad matematických výsledků v datovém rámci. První má index sekvenčních hodnot vygenerovaných Pythonem. Druhý používá libovolný index řetězcových hodnot.

1. Následující příklad získá hodnotu z řady pomocí celočíselného indexu.

   EXECUTE sp_execute_external_script @language = N'Python'
       , @script = N'
   import pandas as pd
   a = 1
   b = 2
   c = a/b
   d = a*b
   s = pandas.Series([c,d])
   print(s)
   df = pd.DataFrame(s, index=[1])
   OutputDataSet = df
   '
   WITH RESULT SETS((ResultValue FLOAT))
   

   Results

   ResultValue
   2.0

   Nezapomeňte, že automaticky vygenerovaný index začíná na 0. Zkuste použít hodnotu indexu mimo rozsah a podívejte se, co se stane.

2. Teď získejte jednu hodnotu z druhého datového rámce pomocí řetězcového indexu.

   EXECUTE sp_execute_external_script @language = N'Python'
       , @script = N'
   import pandas as pd
   a = 1
   b = 2
   c = a/b
   s = pandas.Series(c, index =["simple math example 1", "simple math example 2"])
   print(s)
   df = pd.DataFrame(s, index=["simple math example 1"])
   OutputDataSet = df
   '
   WITH RESULT SETS((ResultValue FLOAT))
   

   Results

   ResultValue
   0,5

   Pokud se pokusíte použít číselný index k získání hodnoty z této řady, zobrazí se chyba.

Další kroky

Pokud se chcete dozvědět o psaní pokročilých funkcí Pythonu pomocí strojového učení SQL, postupujte podle tohoto rychlého startu:

Psaní pokročilých funkcí Pythonu