クイック スタート:SQL 機械学習で Python を使用したデータ構造体とオブジェクト

  • [アーティクル]

適用対象: SQL Server 2017 (14.x) 以降 Azure SQL Managed Instance

このクイックスタートでは、SQL Server Machine Learning Services、Azure SQL Managed Instance Machine Learning Services、SQL Server ビッグ データ クラスターで Python を使用するときに、データ構造体とデータ型を使用する方法について説明します。 Python と SQL Server 間のデータの移動と、発生する可能性のある一般的な問題について説明します。

SQL 機械学習は、Python pandas パッケージに依存しています。これは、表形式データの操作に最適です。 ただし、Python からデータベースにスカラーを渡せば "単に動作する" とは期待できません。 このクイックスタートでは、いくつかの基本的なデータ構造の定義を確認し、Python とデータベースの間で表形式のデータを渡すときに発生する可能性がある他の問題に備えます。

前もって理解しておくべき概念は次のとおりです。

  • データ フレームとは複数の列を含むテーブルです。
  • データ フレームの単一の列は、シリーズと呼ばれるリスト ライクのオブジェクトです。
  • データ フレームの単一の値はセルと呼ばれ、インデックスによってアクセスされます。

data.frame に表形式構造が必要な場合、計算の単一の結果をデータ フレームとして公開するにはどうすればよいでしょうか。 1 つの答えは、単一のスカラー値をシリーズとして表すことです。これは、データ フレームに簡単に変換できます。

Note

日付を返す場合、SQL の Python では DATETIME が使用され、日付の範囲は 1753-01-01 (-53690) ~ 9999-12-31 (2958463) に制限されています。

前提条件

このクイック スタートを実行するには、次の前提条件を用意しておく必要があります。

シリーズとしてのスカラー値

この例では、単純な数値演算を行い、スカラーをシリーズに変換します。

  1. シリーズにはインデックスが必要です。このインデックスは、次に示すように手動で割り当てることも、プログラムで割り当てることもできます。

    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)
'

    シリーズは data.frame に変換されていないため、[メッセージ] ウィンドウには値が返されます。しかし、結果をより表に近い形式で表示することができます。

    結果

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

  2. シリーズの長さを増やすには、配列を使用して新しい値を追加します。

    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)
'

    インデックスを指定しない場合は、0 から始まり配列の長さで終わる値を持つインデックスが生成されます。

    結果

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

  3. index 値の数を増やしても、新しい data 値を追加していない場合、データ値はシリーズを埋めるように繰り返し格納されます。

    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)
'

    結果

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

シリーズをデータ フレームに変換する

スカラー数値演算の結果を表形式構造に変換した後、それらを SQL 機械学習で処理できる形式に変換する必要があります。

  1. シリーズを data.frame に変換するには、pandas DataFrame メソッドを呼び出します。

    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))

    結果は次のようになります。 インデックスを使用して data.frame から特定の値を取得する場合でも、インデックス値は出力の一部とはなりません。

    結果

    ResultValue
    0.5
    2

値を data.frame に出力する

次に、2 つの計算結果のシリーズから特定の値を data.frame に出力します。 最初のものは、Python によって生成される連続値のインデックスをもちます。 2 番目のものは、任意の文字列値のインデックスを使用します。

  1. 次の例では、整数インデックスを使用してシリーズから値を取得します。

    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))

    結果

    ResultValue
    2.0

    自動生成されたインデックスは 0 から始まることに注意してください。 範囲外のインデックス値を使用して、何が起こるかを確認してください。

  2. 次に、文字列インデックスを使用して、他のデータ フレームから 1 つの値を取得します。

    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))

    結果

    ResultValue
    0.5

    数値インデックスを使用してこのシリーズから値を取得しようとすると、エラーが発生します。

次のステップ

SQL 機械学習で高度な Python 関数を作成する方法については、次のクイックスタートに従ってください。

高度な Python 関数を記述する