Eseguire codice Python nella finestra di progettazione di Azure Machine Learning

2025-06-13

Importante

Questo articolo fornisce informazioni sull'uso di Azure Machine Learning SDK v1. L'SDK v1 è deprecato a partire dal 31 marzo 2025 e il supporto per questo terminerà il 30 giugno 2026. È possibile installare e usare l'SDK v1 fino a tale data.

È consigliabile passare all'SDK v2 prima del 30 giugno 2026. Per altre informazioni sull'SDK v2, vedere Informazioni su Azure Machine Learning Python SDK v2 e informazioni di riferimento sull'SDK v2.

Questo articolo illustra come usare il componente Execute Python Script (Esegui script Python ) per aggiungere logica personalizzata alla finestra di progettazione di Azure Machine Learning. In questa guida si usa la libreria Pandas per eseguire una semplice progettazione di funzionalità.

È possibile usare l'editor di codice incorporato per aggiungere rapidamente logica Python semplice. È consigliabile usare il metodo di file ZIP per aggiungere codice più complesso o per caricare altre librerie Python.

L'ambiente di esecuzione predefinito usa la distribuzione Anacondas di Python. Per un elenco completo dei pacchetti preinstallati, vedere le informazioni di riferimento sul componente Execute Python Script .See the Execute Python Script component reference for a complete list of preinstalled packages.

Diagramma che mostra la mappa di input per Execute Python Script (Esegui script Python).

Importante

Se gli elementi grafici citati in questo documento (ad esempio i pulsanti di Studio o della finestra di progettazione) non vengono visualizzati, è possibile che non si disponga del livello di autorizzazioni appropriato per l'area di lavoro. Contattare l'amministratore della sottoscrizione di Azure per verificare che sia stato concesso il livello di accesso corretto. Per altre informazioni, vedere Gestire utenti e ruoli.

Eseguire codice Python nella finestra di progettazione

Aggiungere il componente Eseguire lo script Python

Accedere ad Azure Machine Learning Studio e selezionare l'area di lavoro da usare.
Selezionare Progettazione dal menu della barra laterale. In Predefinito classico scegliere Crea una nuova pipeline usando i componenti predefiniti classici.
A sinistra dell'area di disegno della pipeline selezionare Componente.
Nella sezione Linguaggio Python trovare il componente Execute Python Script (Esegui script Python ). Trascinare e rilasciare il componente nel canvas della pipeline.

Connettere set di dati di input

Trova il set di dati di esempio Automobile price data (Raw) nella sezione Dati di esempio. Trascinare e rilasciare il set di dati nell'area di disegno della pipeline.
Connettere la porta di output del set di dati alla porta di input superiore sinistra del componente Eseguire lo script Python. La finestra di progettazione espone l'input come parametro allo script del punto di ingresso.

La porta di input corretta è riservata alle librerie Python compresse.
Prendere nota della porta di input specifica usata. La finestra di progettazione assegna la porta di input sinistra alla variabile dataset1 e la porta di input centrale a dataset2.

I componenti di input sono facoltativi perché è possibile generare o importare dati direttamente nel componente Eseguire lo script Python.

Scrivere codice Python

La finestra di progettazione fornisce uno script iniziale che è possibile modificare per immettere il proprio codice Python.

In questo esempio si usa Pandas per combinare due delle colonne del set di dati delle automobili, Price e Horsepower, per creare una nuova colonna denominata Dollaro per potenza. Questa colonna rappresenta quanto si paga per ogni unità di potenza e ciò potrebbe diventare un'informazione utile per decidere se un'automobile dispone di un buon rapporto qualità/prezzo.

Fare doppio clic sul componente Esegui script Python .
Nel riquadro che viene visualizzato a destra del canvas selezionare la casella di testo Script Python.
Copiare e incollare il codice seguente nella casella di testo:
```
import pandas as pd

def azureml_main(dataframe1 = None, dataframe2 = None):
    dataframe1['Dollar/HP'] = dataframe1.price / dataframe1.horsepower
    return dataframe1
```
La pipeline devono avere un aspetto simile all’immagine seguente:

Lo script del punto di ingresso deve contenere la funzione azureml_main. La funzione ha due parametri di funzione che eseguono il mapping alle due porte di input per il componente Eseguire lo script Python.

Il valore restituito deve essere un dataframe Pandas. È possibile restituire al massimo due frame di dati come output dei componenti.
Inviare la pipeline.

Ora il set di dati ha una nuova funzionalità Dollars/HP (Dollari/Cavalli di potenza). Questa nuova funzionalità potrebbe essere utile per eseguire il training di uno strumento che consiglia le auto. Questo esempio mostra l'estrazione della funzionalità e la riduzione della dimensionalità.

Passo successivo

Importare dati nella finestra di progettazione di Azure Machine Learning