CLI(v2) MLtable YAML 스키마

아티클
09/01/2024

에서 원본 JSON 스키마를 https://azuremlschemas.azureedge.net/latest/MLTable.schema.json찾을 수 있습니다.

참고 항목

이 문서에 자세히 설명된 YAML 구문은 최신 버전의 ML CLI v2 확장에 대한 JSON 스키마를 기반으로 합니다. 이 구문은 최신 버전의 ML CLI v2 확장에서만 작동하도록 보장됩니다. https://azuremlschemasprod.azureedge.net/에서 이전 확장 버전에 대한 스키마를 찾을 수 있습니다.

파일을 작성하는 `MLTable` 방법

이 문서에서는 YAML 스키마에 MLTable 대한 정보만 제공합니다. MLTable에 대한 자세한 내용은 다음을 포함합니다.

MLTable 파일 작성
MLTable 아티팩 트 만들기
Pandas 및 Spark에서 소비
엔드 투 엔드 예제

Azure Machine Learning에서 테이블 작업을 방문하세요.

YAML 구문

키	형식	설명	허용된 값	기본값
`$schema`	string	YAML 스키마입니다. Azure Machine Learning Visual Studio Code 확장을 사용하여 YAML 파일을 작성하는 경우 파일 맨 위에 포함하는 `$schema` 경우 스키마 및 리소스 완성을 호출할 수 있습니다.
`type`	const	`mltable` 는 테이블 형식 데이터에 대한 스키마 정의를 추상화합니다. 데이터 소비자는 테이블을 Pandas/Dask/Spark 데이터 프레임으로 보다 쉽게 구체화할 수 있습니다.	`mltable`	`mltable`
`paths`	배열	경로는 경로, `folder` 경로 또는 `pattern` 경로일 수 `file` 있습니다. `pattern`는 와일드카드 문자(``, `?`, `[abc][a-z]`)를 사용하여 파일 이름 집합을 지정하는 globbing* 패턴을 지원합니다. 지원되는 URI 형식: `azureml`, `https`, `wasbs`, `abfss`및 `adl`. URI 형식 사용에 `azureml://` 대한 자세한 내용은 Core yaml 구문을 방문하세요.	`file` `folder` `pattern`
`transformations`	배열	정의된 경로에서 로드된 데이터에 적용되는 정의된 변환 시퀀스입니다. 자세한 내용은 변환을 방문하세요.	`read_delimited` `read_parquet` `read_json_lines` `read_delta_lake` `take` `take_random_sample` `drop_columns` `keep_columns` `convert_column_types` `skip` `filter` `extract_columns_from_partition_format`

변환

읽기 변환

읽기 변환	설명	매개 변수
`read_delimited`	제공된 구분된 텍스트 파일을 읽는 변환 단계를 추가합니다. `paths`	`infer_column_types`: 열 데이터 형식을 유추하는 부울입니다. 기본값은 True입니다. 형식 유추를 사용하려면 현재 컴퓨팅에서 데이터 원본에 액세스할 수 있어야 합니다. 현재 형식 유추는 처음 200개 행만 끌어오고 있습니다. `encoding`: 파일 인코딩을 지정합니다. 지원되는 인코딩: `utf8`, ,`iso88591latin1`, `ascii`, `utf16`, `utf32utf8bom`및 `windows1252`. 기본 인코딩: `utf8`. `header`: 사용자가 다음 옵션 중 하나를 선택할 수 있습니다. `no_headerfrom_first_fileall_files_different_headersall_files_same_headers` 기본값은 `all_files_same_headers`입니다. `delimiter`: 열을 분할하는 구분 기호입니다. `empty_as_string`: 빈 필드 값이 빈 문자열로 로드되어야 하는지 지정합니다. 기본값(False)은 빈 필드 값을 null로 읽습니다. 이 설정을 True로 전달하면 빈 필드 값이 빈 문자열로 읽힙니다. 숫자 또는 날짜/시간 데이터 형식으로 변환된 값의 경우 빈 값이 null로 변환되므로 이 설정은 효과가 없습니다. `include_path_column`: 경로 정보를 테이블의 열로 유지하는 부울입니다. 기본값은 False입니다. 이 설정은 여러 파일을 읽을 때 도움이 되며 특정 레코드에 대한 원래 파일을 알고 싶습니다. 또한 파일 경로에 유용한 정보를 유지할 수 있습니다. `support_multi_line`: 기본적으로(`support_multi_line=False`) 따옴표 붙은 필드 값의 줄 바꿈을 비롯한 모든 줄 바꿈은 레코드 나누기로 해석됩니다. 데이터 읽기에 대한 이 접근 방식은 속도를 높이고 여러 CPU 코어에서 병렬 실행을 최적화합니다. 그러나 필드 값이 잘못 정렬되어 더 많은 레코드가 자동으로 생성될 수 있습니다. 구분된 `True` 파일이 따옴표로 묶인 줄 바꿈을 포함하는 것으로 알려진 경우 이 값을 설정합니다.
`read_parquet`	제공된 Parquet 형식 파일을 읽는 변환 단계를 추가합니다. `paths`	`include_path_column`: 경로 정보를 테이블 열로 유지하는 부울입니다. 기본값은 False입니다. 이 설정은 여러 파일을 읽을 때 도움이 되며 특정 레코드에 대한 원래 파일을 알고자 합니다. 또한 파일 경로에 유용한 정보를 유지할 수 있습니다. 참고: MLTable은 기본 형식으로 구성된 열이 있는 parquet 파일의 읽기만 지원합니다. 배열을 포함하는 열은 지원되지 않습니다 .
`read_delta_lake`	제공된 Delta Lake 폴더를 읽는 변환 단계를 추가합니다 `paths`. 특정 타임스탬프 또는 버전에서 데이터를 읽을 수 있습니다.	`timestamp_as_of`:문자열. 특정 Delta Lake 데이터에 대한 시간 이동에 대해 지정되는 타임스탬프입니다. 특정 시점의 데이터를 읽으려면 datetime 문자열에 RFC-3339/ISO-8601 형식 이 있어야 합니다(예: "2022-10-01T00:00:00Z", "2022-10-01T00:00:00+08:00", "2022-10-01T01:30:00-08:00"). `version_as_of`:정수. 특정 Delta Lake 데이터에 대한 시간 이동에 대해 지정되는 버전입니다. 다음 값 중 하나를 제공해야 합니다.`timestamp_as_ofversion_as_of`
`read_json_lines`	제공된 json 파일을 읽는 변환 단계를 추가합니다. `paths`	`include_path_column`: 경로 정보를 MLTable 열로 유지하기 위한 부울입니다. 기본값은 False입니다. 이 설정은 여러 파일을 읽을 때 도움이 되며 특정 레코드에 대한 원래 파일을 알고자 합니다. 또한 파일 경로에 유용한 정보를 유지할 수 있습니다. `invalid_lines`: 잘못된 JSON이 있는 줄을 처리하는 방법을 결정합니다. 지원되는 값: `error` 및 `drop`. 기본값은 `error`입니다. `encoding`: 파일 인코딩을 지정합니다. 지원되는 인코딩: `utf8`, ,`iso88591latin1`, `ascii`, `utf16`, `utf32utf8bom`및 `windows1252`. 기본값은 `utf8`입니다.

기타 변환

변환	설명	매개 변수	예시
`convert_column_types`	지정된 열을 지정된 각각의 새 형식으로 변환하는 변환 단계를 추가합니다.	`columns` 변환할 열 이름의 배열 `column_type` 변환할 형식(`int`, , `floatstring`, `booleandatetime`)	`- convert_column_types: - 열: [Age] column_type: int` Age 열을 정수로 변환합니다. `- convert_column_types: - 열: date column_type: datetime: 형식: - "%d/%m/%Y"` 날짜 열을 형식 `dd/mm/yyyy`으로 변환합니다. datetime 변환에 대한 자세한 내용을 읽어보세요 `to_datetime` . `- convert_column_types: - 열: [is_weekday] column_type: 부울: true_values:['yes', 'true', '1'] false_values:['no', 'false', '0']` is_weekday 열을 부울로 변환합니다. 열 맵의 yes/true/1 값과 열 맵`TrueFalse`의 no/false/0 값이 입니다. 부울 변환에 대한 자세한 내용을 읽어보세요 `to_bool` .
`drop_columns`	데이터 세트에서 특정 열을 제거하는 변환 단계를 추가합니다.	삭제할 열 이름의 배열	`- drop_columns: ["col1", "col2"]`
`keep_columns`	지정된 열을 유지하고 데이터 세트에서 다른 모든 열을 제거하는 변환 단계를 추가합니다.	보존할 열 이름의 배열	`- keep_columns: ["col1", "col2"]`
`extract_columns_from_partition_format`	변환 단계를 추가하여 각 경로의 파티션 정보를 사용한 다음 지정된 파티션 형식에 따라 열로 추출합니다.	사용할 파티션 형식	`- extract_columns_from_partition_format: {column_name:yyyy/MM/dd/HH/mm/ss}` 는 datetime 열을 만듭니다. 여기서 'yyyy', 'MM', 'dd', 'HH', 'mm' 및 'ss'는 datetime 형식에 대한 연도, 월, 일, 시간, 분 및 두 번째 값을 추출하는 데 사용됩니다.
`filter`	지정된 식과 일치하는 레코드만 남겨두고 데이터를 필터링합니다.	문자열로 식	`- filter: 'col("temperature") > 32 and col("location") == "UK"'` 온도가 32를 초과하는 행만 남겨두고 영국은 위치입니다.
`skip`	이 MLTable의 첫 번째 개수 행을 건너뛰는 변환 단계를 추가합니다.	건너뛸 행 수	`- skip: 10` 처음 10개 행 건너뛰기
`take`	변환 단계를 추가하여 이 MLTable의 첫 번째 개수 행을 선택합니다.	테이블 맨 위에서 취할 행 수입니다.	`- take: 5` 처음 5개 행을 사용합니다.
`take_random_sample`	확률 확률을 사용하여 이 MLTable의 각 행을 임의로 선택하는 변환 단계를 추가합니다.	`probability` 개별 행을 선택할 확률입니다. 범위 [0,1]에 있어야 합니다. `seed` 선택적 임의 시드	`- take_random_sample: probability: 0.10 시드:123` 123의 임의 시드를 사용하여 행의 10% 임의 샘플 사용

예제

MLTable 사용의 예입니다. 다음에서 더 많은 예제를 찾습니다.

빠른 시작

이 빠른 시작에서는 공용 https 서버에서 유명한 홍채 데이터 세트를 읽습니다. 계속하려면 폴더에 MLTable 파일을 배치해야 합니다. 먼저 다음을 사용하여 폴더 및 MLTable 파일을 만듭니다.

mkdir ./iris
cd ./iris
touch ./MLTable

다음으로, 이 콘텐츠를 파일에 배치합니다.MLTable

$schema: https://azuremlschemas.azureedge.net/latest/MLTable.schema.json

type: mltable
paths:
    - file: https://azuremlexamples.blob.core.windows.net/datasets/iris.csv

transformations:
    - read_delimited:
        delimiter: ','
        header: all_files_same_headers
        include_path_column: true

그런 다음 다음을 사용하여 Pandas로 구체화할 수 있습니다.

Important

Python SDK가 mltable 설치되어 있어야 합니다. 다음을 사용하여 이 SDK를 설치합니다.

pip install mltable.

import mltable

tbl = mltable.load("./iris")
df = tbl.to_pandas_dataframe()

데이터에 새 Path열이 포함되어 있는지 확인합니다. 이 열에는 데이터 경로가 https://azuremlexamples.blob.core.windows.net/datasets/iris.csv 포함됩니다.

CLI는 데이터 자산을 만들 수 있습니다.

az ml data create --name iris-from-https --version 1 --type mltable --path ./iris

클라우드 MLTable 스토리지(기본 Azure Machine Learning 데이터 저장소)에 자동으로 업로드되는 폴더입니다.

팁

Azure Machine Learning 데이터 자산은 웹 브라우저 책갈피(즐겨찾기)와 비슷합니다. 가장 자주 사용되는 데이터를 가리키는 긴 URI(스토리지 경로)를 기억하는 대신 데이터 자산을 만든 다음 친숙한 이름으로 해당 자산에 액세스할 수 있습니다.

구분된 텍스트 파일

$schema: https://azuremlschemas.azureedge.net/latest/MLTable.schema.json
type: mltable

# Supported paths include:
# local: ./<path>
# blob: wasbs://<container_name>@<account_name>.blob.core.windows.net/<path>
# Public http(s) server: https://<url>
# ADLS gen2: abfss://<file_system>@<account_name>.dfs.core.windows.net/<path>/
# Datastore: azureml://subscriptions/<subid>/resourcegroups/<rg>/workspaces/<ws>/datastores/<datastore_name>/paths/<path>

paths:
  - file: abfss://<file_system>@<account_name>.dfs.core.windows.net/<path>/ # a specific file on ADLS
  # additional options
  # - folder: ./<folder> a specific folder
  # - pattern: ./*.csv # glob all the csv files in a folder

transformations:
    - read_delimited:
        encoding: ascii
        header: all_files_same_headers
        delimiter: ","
        include_path_column: true
        empty_as_string: false
    - keep_columns: [col1, col2, col3, col4, col5, col6, col7]
    # or you can drop_columns...
    # - drop_columns: [col1, col2, col3, col4, col5, col6, col7]
    - convert_column_types:
        - columns: col1
          column_type: int
        - columns: col2
          column_type:
            datetime:
                formats:
                    - "%d/%m/%Y"
        - columns: [col1, col2, col3] 
          column_type:
            boolean:
                mismatch_as: error
                true_values: ["yes", "true", "1"]
                false_values: ["no", "false", "0"]
      - filter: 'col("col1") > 32 and col("col7") == "a_string"'
      # create a column called timestamp with the values extracted from the folder information
      - extract_columns_from_partition_format: {timestamp:yyyy/MM/dd}
      - skip: 10
      - take_random_sample:
          probability: 0.50
          seed: 1394
      # or you can take the first n records
      # - take: 200

Parquet

$schema: https://azuremlschemas.azureedge.net/latest/MLTable.schema.json
type: mltable

# Supported paths include:
# local: ./<path>
# blob: wasbs://<container_name>@<account_name>.blob.core.windows.net/<path>
# Public http(s) server: https://<url>
# ADLS gen2: abfss://<file_system>@<account_name>.dfs.core.windows.net/<path>/
# Datastore: azureml://subscriptions/<subid>/resourcegroups/<rg>/workspaces/<ws>/datastores/<datastore_name>/paths/<path>

paths:
  - pattern: azureml://subscriptions/<subid>/resourcegroups/<rg>/workspaces/<ws>/datastores/<datastore_name>/paths/<path>/*.parquet
  
transformations:
  - read_parquet:
        include_path_column: false
  - filter: 'col("temperature") > 32 and col("location") == "UK"'
  - skip: 1000 # skip first 1000 rows
  # create a column called timestamp with the values extracted from the folder information
  - extract_columns_from_partition_format: {timestamp:yyyy/MM/dd}

Delta Lake

$schema: https://azuremlschemas.azureedge.net/latest/MLTable.schema.json
type: mltable

# Supported paths include:
# local: ./<path>
# blob: wasbs://<container_name>@<account_name>.blob.core.windows.net/<path>
# Public http(s) server: https://<url>
# ADLS gen2: abfss://<file_system>@<account_name>.dfs.core.windows.net/<path>/
# Datastore: azureml://subscriptions/<subid>/resourcegroups/<rg>/workspaces/<ws>/datastores/<datastore_name>/paths/<path>

paths:
- folder: abfss://<file_system>@<account_name>.dfs.core.windows.net/<path>/

# NOTE: for read_delta_lake, you are *required* to provide either
# timestamp_as_of OR version_as_of.
# timestamp should be in RFC-3339/ISO-8601 format (for example:
# "2022-10-01T00:00:00Z", "2022-10-01T00:00:00+08:00",
# "2022-10-01T01:30:00-08:00")
# To get the latest, set the timestamp_as_of at a future point (for example: '2999-08-26T00:00:00Z')

transformations:
 - read_delta_lake:
      timestamp_as_of: '2022-08-26T00:00:00Z'
      # alternative:
      # version_as_of: 1

Important

제한 사항: mltable Delta Lake에서 데이터를 읽을 때 파티션 키 추출을 지원하지 않습니다. mltable을 통해 Delta Lake 데이터를 읽는 경우 mltable 변환 extract_columns_from_partition_format이 작동하지 않습니다.

JSON

$schema: https://azuremlschemas.azureedge.net/latest/MLTable.schema.json
paths:
  - file: ./order_invalid.jsonl
transformations:
  - read_json_lines:
        encoding: utf8
        invalid_lines: drop
        include_path_column: false

다음을 통해 공유

CLI(v2) MLtable YAML 스키마

파일을 작성하는 `MLTable` 방법

YAML 구문

변환

읽기 변환

기타 변환

예제

빠른 시작

구분된 텍스트 파일

Parquet

Delta Lake

JSON

다음 단계

피드백

추가 리소스

다음을 통해 공유

CLI(v2) MLtable YAML 스키마

파일을 작성하는 MLTable 방법

YAML 구문

변환

읽기 변환

기타 변환

예제

빠른 시작

구분된 텍스트 파일

Parquet

Delta Lake

JSON

다음 단계

피드백

추가 리소스

파일을 작성하는 `MLTable` 방법