DataOperations Classe
DataOperations.
Vous ne devez pas instancier cette classe directement. Au lieu de cela, vous devez créer un instance MLClient qui l’instancie pour vous et l’attache en tant qu’attribut.
- Héritage
-
azure.ai.ml._scope_dependent_operations._ScopeDependentOperationsDataOperations
Constructeur
DataOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client: AzureMachineLearningWorkspaces | AzureMachineLearningWorkspaces, datastore_operations: DatastoreOperations, **kwargs: Dict)
Paramètres
- operation_scope
- <xref:azure.ai.ml._scope_dependent_operations.OperationScope>
Variables d’étendue pour les classes d’opérations d’un objet MLClient.
- operation_config
- <xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
Configuration courante pour les classes d’opérations d’un objet MLClient.
- service_client
- Union[ <xref:azure.ai.ml._restclient.v2023_04_01_preview._azure_machine_learning_workspaces.AzureMachineLearningWorkspaces>, <xref:azure.ai.ml._restclient.v2021_10_01_dataplanepreview._azure_machine_learning_workspaces. AzureMachineLearningWorkspaces>]
Client de service pour permettre aux utilisateurs finaux d’utiliser des ressources d’espace de travail Azure Machine Learning (ServiceClient042023Preview ou ServiceClient102021Dataplane).
- datastore_operations
- DatastoreOperations
Représente un client pour l’exécution d’opérations sur des magasins de données.
Méthodes
archive |
Archivez une ressource de données. |
create_or_update |
Retourne la ressource de données créée ou mise à jour. S’il n’est pas déjà dans le stockage, l’élément multimédia est chargé dans le stockage d’objets blob de l’espace de travail. |
get |
Obtient la ressource de données spécifiée. |
import_data |
Notes Il s’agit d’une méthode expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Retourne le travail d’importation de données qui crée la ressource de données. |
list |
Répertoriez les ressources de données de l’espace de travail. |
list_materialization_status |
Notes Il s’agit d’une méthode expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Répertorier les travaux de matérialisation de la ressource. |
restore |
Restaurer une ressource de données archivée. |
share |
Notes Il s’agit d’une méthode expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Partagez une ressource de données de l’espace de travail vers le registre. |
archive
Archivez une ressource de données.
archive(name: str, version: str | None = None, label: str | None = None, **kwargs) -> None
Paramètres
Retours
None
Exemples
Exemple de ressource de données d’archivage.
ml_client.data.archive("data-asset-name")
create_or_update
Retourne la ressource de données créée ou mise à jour.
S’il n’est pas déjà dans le stockage, l’élément multimédia est chargé dans le stockage d’objets blob de l’espace de travail.
create_or_update(data: Data) -> Data
Paramètres
Retours
Objet de ressource de données.
Type de retour
Exceptions
Déclenché lorsque le chemin d’accès de l’artefact de données est déjà lié à une autre ressource
Déclenché si les données ne peuvent pas être validées avec succès. Les détails seront fournis dans le message d’erreur.
Déclenché si le chemin d’accès local fourni pointe vers un répertoire vide.
Exemples
Exemple de création de ressources de données.
from azure.ai.ml.entities import Data
data_asset_example = Data(name=data_asset_name, version="2.0", path="./sdk/ml/azure-ai-ml/samples/src")
ml_client.data.create_or_update(data_asset_example)
get
Obtient la ressource de données spécifiée.
get(name: str, version: str | None = None, label: str | None = None) -> Data
Paramètres
Retours
Objet de ressource de données.
Type de retour
Exceptions
Déclenché si les données ne peuvent pas être identifiées et récupérées avec succès. Les détails seront fournis dans le message d’erreur.
Exemples
Obtenir un exemple de ressources de données.
ml_client.data.get(name="data-asset-name", version="2.0")
import_data
Notes
Il s’agit d’une méthode expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
Retourne le travail d’importation de données qui crée la ressource de données.
import_data(data_import: DataImport, **kwargs) -> PipelineJob
Paramètres
Retours
objet de travail d’importation de données.
Type de retour
Exemples
Exemple d’importation de ressources de données.
from azure.ai.ml.entities._data_import.data_import import DataImport
from azure.ai.ml.entities._inputs_outputs.external_data import Database
database_example = Database(query="SELECT ID FROM DataTable", connection="azureml:my_azuresqldb_connection")
data_import_example = DataImport(
name="data-asset-name", path="azureml://datastores/workspaceblobstore/paths/", source=database_example
)
ml_client.data.import_data(data_import_example)
list
Répertoriez les ressources de données de l’espace de travail.
list(name: str | None = None, *, list_view_type: ListViewType = ListViewType.ACTIVE_ONLY) -> ItemPaged[Data]
Paramètres
- list_view_type
Type d’affichage pour inclure/exclure (par exemple) des ressources de données archivées. Valeur par défaut : ACTIVE_ONLY.
Retours
Itérateur comme instance d’objets Data
Type de retour
Exemples
Exemple répertorier les ressources de données.
ml_client.data.list(name="data-asset-name")
list_materialization_status
Notes
Il s’agit d’une méthode expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
Répertorier les travaux de matérialisation de la ressource.
list_materialization_status(name: str, *, list_view_type: ListViewType = ListViewType.ACTIVE_ONLY, **kwargs) -> Iterable[PipelineJob]
Paramètres
- list_view_type
- Optional[<xref:ListViewType>]
Type d’affichage pour inclure/exclure (par exemple) les travaux archivés. Valeur par défaut : ACTIVE_ONLY.
Retours
Itérateur comme instance d’objets Job.
Type de retour
Exemples
Exemple de travaux de matérialisation de liste.
ml_client.data.list_materialization_status("data-asset-name")
restore
Restaurer une ressource de données archivée.
restore(name: str, version: str | None = None, label: str | None = None, **kwargs) -> None
Paramètres
Retours
None
Exemples
Exemple de ressource de données de restauration.
ml_client.data.restore("data-asset-name")
share
Notes
Il s’agit d’une méthode expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.
Partagez une ressource de données de l’espace de travail vers le registre.
share(name, version, *, share_with_name, share_with_version, registry_name, **kwargs) -> Data
Paramètres
- share_with_name
- str
Nom de la ressource de données avec qui partager.
- share_with_version
- str
Version de la ressource de données avec laquelle partager.
- registry_name
- str
Nom du registre de destination.
Retours
Objet de ressource de données.
Type de retour
Exemples
Exemple de ressource de partage de données.
ml_client.data.share(
name="data-asset-name",
version="2.0",
registry_name="my-registry",
share_with_name="transformed-nyc-taxi-data-shared-from-ws",
share_with_version="2.0",
)
Azure SDK for Python