OJ Sales Simulated

Questo set di dati è derivato dal set di dati DATASET DI DOMINIck e include dati simulati aggiuntivi per eseguire contemporaneamente il training di migliaia di modelli in Azure Machine Learning.

Nota

Microsoft fornisce set di dati aperti di Azure su base "così come è". Microsoft non fornisce garanzie, garanzie o condizioni esplicite o implicite in relazione all'uso dei set di dati. Nella misura consentita dalla legge locale, Microsoft dichiara tutte le responsabilità per eventuali danni o perdite, tra cui diretto, consequenziale, speciale, indiretto, accidentale o irreversibile, risultante dall'uso dei set di dati.

Questo set di dati viene fornito in conformità con le condizioni originali in base alle quali Microsoft ha ricevuto i dati di origine. Il set di dati potrebbe includere dati provenienti da Microsoft.

I dati contengono vendite settimanali di succo d'arancia in oltre 121 settimane. Ci sono 3.991 negozi inclusi e tre marchi di succo d'arancia per negozio in modo che possano essere addestrati 11.973 modelli.

Visualizzare la descrizione del set di dati originale o scaricare il set di dati.

Colonne

Name	Tipo di dati	Unica	Valori (esempio)	Descrizione
Annuncio	int		1	Valore che indica se ci sono stati annunci per quel succo d'arancia durante la settimana 0: Nessun annuncio 1: Annunci pubblicitari
Marchio	stringa		dominicks tropicana	Marca di succo di arancia
Price	double		2.6 2.09	Prezzo del succo di arancia (in USD)
Quantità	int		10939 11638	Quantità di succo di arancia venduta per la settimana specifica
Ricavi	double		38438.4 36036.0	Ricavi dalle vendite di succo di arancia per la settimana specifica (in USD)
Punto vendita	int		2658 1396	Numero del punto vendita in cui è stato venduto il succo di arancia
WeekStarting	timestamp		1990-08-09 00:00:00 1992-02-20 00:00:00	Data che indica la settimana a cui sono correlate le vendite

Anteprima

WeekStarting	Punto vendita	Marchio	Quantità	Annuncio	Price	Ricavi
10/1/1992 12:00:00	3571	minute.maid	13247	1	2.42	32057.74
10/1/1992 12:00:00	2999	minute.maid	18461	1	2.69	49660.09
10/1/1992 12:00:00	1198	minute.maid	13222	1	2.64	34906.08
10/1/1992 12:00:00	3916	minute.maid	12923	1	2.45	31661.35
10/1/1992 12:00:00	1688	minute.maid	9380	1	2.46	23074.8
10/1/1992 12:00:00	1040	minute.maid	18841	1	2.31	43522.71
10/1/1992 12:00:00	1938	minute.maid	14202	1	2.19	31102.38
10/1/1992 12:00:00	2405	minute.maid	16326	1	2.05	33468.3
10/1/1992 12:00:00	1972	minute.maid	16380	1	2.12	34725.6

Accesso ai dati

Azure Notebooks

azureml-opendatasets

from azureml.core.workspace import Workspace
ws = Workspace.from_config()
datastore = ws.get_default_datastore()

from azureml.opendatasets import OjSalesSimulated

Leggere i dati da Set di dati aperti di Azure

# Create a Data Directory in local path
import os

oj_sales_path = "oj_sales_data"

if not os.path.exists(oj_sales_path):
    os.mkdir(oj_sales_path)

# Pull all of the data
oj_sales_files = OjSalesSimulated.get_file_dataset()

# or pull a subset of the data
oj_sales_files = OjSalesSimulated.get_file_dataset(num_files=10)

oj_sales_files.download(oj_sales_path, overwrite=True)

Caricare i singoli set di dati nel BLOB Archiviazione

I dati vengono caricati nel BLOB e verranno creati fileDataset da questa cartella di file CSV.

target_path = 'oj_sales_data'

datastore.upload(src_dir = oj_sales_path,
                target_path = target_path,
                overwrite = True, 
                show_progress = True)

Creare il set di dati del file

È necessario definire il percorso dei dati per creare l'oggetto FileDataset.

from azureml.core.dataset import Dataset

ds_name = 'oj_data'
path_on_datastore = datastore.path(target_path + '/')

input_ds = Dataset.File.from_files(path=path_on_datastore, validate=False)

Registrare il set di dati del file nell'area di lavoro

Si vuole registrare il set di dati nell'area di lavoro in modo da poterlo chiamare come input nella pipeline per la previsione.

registered_ds = input_ds.register(ws, ds_name, create_new_version=True)
named_ds = registered_ds.as_named_input(ds_name)

Azure Databricks

azureml-opendatasets

# This is a package in preview.
# You need to pip install azureml-opendatasets in Databricks cluster. https://learn.microsoft.com/azure/data-explorer/connect-from-databricks#install-the-python-library-on-your-azure-databricks-cluster
# Download or mount OJ Sales raw files Azure Machine Learning file datasets.
# This works only for Linux based compute. See https://learn.microsoft.com/azure/machine-learning/service/how-to-create-register-datasets to learn more about datasets.

from azureml.opendatasets import OjSalesSimulated

ojss_file = OjSalesSimulated.get_file_dataset()
ojss_file

ojss_file.to_path()

# Download files to local storage
import os
import tempfile

mount_point = tempfile.mkdtemp()
ojss_file.download(mount_point, overwrite=True)

# Mount files. Useful when training job will run on a remote compute.
import gzip
import struct
import pandas as pd
import numpy as np

# load compressed OJ Sales Simulated gz files and return numpy arrays
def load_data(filename, label=False):
    with gzip.open(filename) as gz:
        gz.read(4)
        n_items = struct.unpack('>I', gz.read(4))
        if not label:
            n_rows = struct.unpack('>I', gz.read(4))[0]
            n_cols = struct.unpack('>I', gz.read(4))[0]
            res = np.frombuffer(gz.read(n_items[0] * n_rows * n_cols), dtype=np.uint8)
            res = res.reshape(n_items[0], n_rows * n_cols)
        else:
            res = np.frombuffer(gz.read(n_items[0]), dtype=np.uint8)
            res = res.reshape(n_items[0], 1)
    return pd.DataFrame(res)

import sys
mount_point = tempfile.mkdtemp()
print(mount_point)
print(os.path.exists(mount_point))
print(os.listdir(mount_point))

if sys.platform == 'linux':
  print("start mounting....")
  with ojss_file.mount(mount_point):
    print(os.listdir(mount_point))  
    train_images_df = load_data(os.path.join(mount_point, 'train-tabular-oj-ubyte.gz'))
    print(train_images_df.info())

Passaggi successivi

Visualizzare il resto dei set di dati nel catalogo Open Datasets.