TabularDataset Klasa
Reprezentuje tabelaryczny zestaw danych do użycia w usłudze Azure Machine Learning.
Tabelaryczny zestaw danych definiuje serię niezmienianych operacji obliczanych w celu załadowania danych ze źródła danych do reprezentacji tabelarycznej. Dane nie są ładowane ze źródła do momentu, gdy zostanie wyświetlony monit o dostarczenie danych.
Tabelaryczny zestaw danych jest tworzony przy użyciu metod takich jak from_delimited_files z TabularDatasetFactory klasy .
Aby uzyskać więcej informacji, zobacz artykuł Dodawanie & rejestrowania zestawów danych. Aby rozpocząć pracę z tabelarycznym zestawem danych, zobacz https://aka.ms/tabulardataset-samplenotebook.
Inicjowanie obiektu TabularDataset.
Ten konstruktor nie powinien być wywoływany bezpośrednio. Zestaw danych ma zostać utworzony przy użyciu TabularDatasetFactory klasy.
- Dziedziczenie
-
TabularDataset
Konstruktor
TabularDataset()Uwagi
Tabelaryczny zestaw danych można utworzyć na podstawie plików CSV, TSV, Parquet lub zapytań SQL przy użyciu from_* metod TabularDatasetFactory klasy . Operacje podsettingu można wykonywać w zestawie danych tabelarycznych, takich jak dzielenie, pomijanie i filtrowanie rekordów.
Wynikiem podstawienia jest zawsze jeden lub więcej nowych obiektów TabularDataset.
Możesz również przekonwertować zestaw tabularDataset na inne formaty, takie jak ramka danych biblioteki pandas. Rzeczywiste ładowanie danych odbywa się, gdy zostanie wyświetlony monit o dostarczenie danych do innego mechanizmu magazynu (np. ramki danych Pandas lub pliku CSV).
Tabelaryczny zestaw danych może służyć jako dane wejściowe przebiegu eksperymentu. Można ją również zarejestrować w obszarze roboczym o określonej nazwie i pobrać ją później.
Metody
| download |
Uwaga Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Pobierz strumienie plików zdefiniowane przez zestaw danych do ścieżki lokalnej. |
| drop_columns |
Upuść określone kolumny z zestawu danych. Jeśli kolumna timeseries zostanie porzucona, odpowiednie możliwości również zostaną porzucone dla zwróconego zestawu danych. |
| filter |
Uwaga Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Przefiltruj dane, pozostawiając tylko rekordy zgodne z określonym wyrażeniem. |
| get_profile |
Uwaga Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Pobierz profil danych z najnowszego przebiegu profilu przesłanego dla tego lub tego samego zestawu danych w obszarze roboczym. |
| get_profile_runs |
Uwaga Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Zwróć poprzednie uruchomienia profilu skojarzone z tym lub tym samym zestawem danych w obszarze roboczym. |
| keep_columns |
Zachowaj określone kolumny i pomiń wszystkie inne z zestawu danych. Jeśli kolumna timeseries zostanie porzucona, odpowiednie możliwości również zostaną porzucone dla zwróconego zestawu danych. |
| mount |
Uwaga Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Utwórz menedżera kontekstu do instalowania strumieni plików zdefiniowanych przez zestaw danych jako pliki lokalne. |
| partition_by |
Partycjonowane dane zostaną skopiowane i wyjściowe do miejsca docelowego określonego przez obiekt docelowy. utwórz zestaw danych na podstawie wyjściowej ścieżki danych z formatem partycji, zarejestruj zestaw danych, jeśli podano nazwę, zwróć zestaw danych dla nowej ścieżki danych z partycjami |
| random_split |
Podziel rekordy w zestawie danych na dwie części losowo i w przybliżeniu według określonej wartości procentowej. Pierwszy zestaw danych zawiera około |
| skip |
Pomiń rekordy z góry zestawu danych według określonej liczby. |
| submit_profile_run |
Uwaga Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Prześlij przebieg eksperymentowania, aby obliczyć profil danych. Profil danych może być bardzo przydatny do zrozumienia danych wejściowych, identyfikowania anomalii i brakujących wartości, udostępniając przydatne informacje o danych, takich jak typ kolumny, brakujące wartości itp. |
| take |
Weź przykładowe rekordy z góry zestawu danych według określonej liczby. |
| take_sample |
Weź losową próbkę rekordów w zestawie danych w przybliżeniu według określonego prawdopodobieństwa. |
| time_after |
Filtruj tabelarycznyZestaw danych z kolumnami sygnatury czasowej po określonym czasie rozpoczęcia. |
| time_before |
Filtruj tabelarycznyZestaw danych z kolumnami sygnatury czasowej przed określonym czasem zakończenia. |
| time_between |
Filtruj tabelarycznyZestaw danych między określonym czasem rozpoczęcia i zakończenia. |
| time_recent |
Filtruj tabelarycznyZestaw danych, aby zawierał tylko określony czas trwania (ilość) ostatnich danych. |
| to_csv_files |
Przekonwertuj bieżący zestaw danych na plikDataset zawierający pliki CSV. Wynikowy zestaw danych będzie zawierać co najmniej jeden plik CSV, z których każdy odpowiada partycji danych z bieżącego zestawu danych. Te pliki nie zostaną zmaterializowane, dopóki nie zostaną pobrane lub odczytane. |
| to_dask_dataframe |
Uwaga Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Zwróć ramkę danych dask, która może leniwie odczytywać dane w zestawie danych. |
| to_pandas_dataframe |
Załaduj wszystkie rekordy z zestawu danych do ramki danych pandas. |
| to_parquet_files |
Przekonwertuj bieżący zestaw danych na plikDataset zawierający pliki Parquet. Wynikowy zestaw danych będzie zawierać co najmniej jeden plik Parquet, z których każdy odpowiada partycji danych z bieżącego zestawu danych. Te pliki nie zostaną zmaterializowane, dopóki nie zostaną pobrane lub odczytane. |
| to_spark_dataframe |
Załaduj wszystkie rekordy z zestawu danych do ramki danych Platformy Spark. |
| with_timestamp_columns |
Zdefiniuj kolumny znacznika czasu dla zestawu danych. |
download
Uwaga
Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.
Pobierz strumienie plików zdefiniowane przez zestaw danych do ścieżki lokalnej.
download(stream_column, target_path=None, overwrite=False, ignore_not_found=True)Parametry
| Nazwa | Opis |
|---|---|
|
stream_column
Wymagane
|
Kolumna strumienia do pobrania. |
|
target_path
Wymagane
|
Katalog lokalny do pobrania plików. Jeśli brak, dane zostaną pobrane do katalogu tymczasowego. |
|
overwrite
Wymagane
|
Wskazuje, czy zastąpić istniejące pliki. Wartość domyślna to False. Istniejące pliki zostaną zastąpione, jeśli zastąpienie ma wartość True; w przeciwnym razie zostanie zgłoszony wyjątek. |
|
ignore_not_found
Wymagane
|
Wskazuje, czy pobieranie nie powiodło się, jeśli niektóre pliki wskazywane przez zestaw danych nie zostaną znalezione. Wartość domyślna to True. Pobieranie zakończy się niepowodzeniem, jeśli jakiekolwiek pobieranie pliku zakończy się niepowodzeniem z jakiegokolwiek powodu, jeśli ignore_not_found jest ustawiona na wartość False; w przeciwnym razie waring zostanie zarejestrowany pod kątem błędów, a dowload powiedzie się tak długo, jak żadne inne typy błędów nie zostaną napotkane. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca tablicę ścieżek plików dla każdego pobranego pliku. |
drop_columns
Upuść określone kolumny z zestawu danych.
Jeśli kolumna timeseries zostanie porzucona, odpowiednie możliwości również zostaną porzucone dla zwróconego zestawu danych.
drop_columns(columns)Parametry
| Nazwa | Opis |
|---|---|
|
columns
Wymagane
|
Nazwa lub lista nazw kolumn do upuszczania. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca nowy obiekt TabularDataset z porzuconymi określonymi kolumnami. |
filter
Uwaga
Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.
Przefiltruj dane, pozostawiając tylko rekordy zgodne z określonym wyrażeniem.
filter(expression)Parametry
| Nazwa | Opis |
|---|---|
|
expression
Wymagane
|
Wyrażenie do oceny. |
Zwraca
| Typ | Opis |
|---|---|
|
Zmodyfikowany zestaw danych (wyrejestrowany). |
Uwagi
Wyrażenia są uruchamiane przez indeksowanie zestawu danych o nazwie kolumny. Obsługują one różne funkcje i operatory i mogą być łączone przy użyciu operatorów logicznych. Wynikowe wyrażenie zostanie z opóźnieniem ocenione dla każdego rekordu, gdy nastąpi ściąganie danych, a nie miejsce, w którym jest definiowane.
dataset['myColumn'] > dataset['columnToCompareAgainst']
dataset['myColumn'].starts_with('prefix')
get_profile
Uwaga
Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.
Pobierz profil danych z najnowszego przebiegu profilu przesłanego dla tego lub tego samego zestawu danych w obszarze roboczym.
get_profile(workspace=None)Parametry
| Nazwa | Opis |
|---|---|
|
workspace
Wymagane
|
Obszar roboczy, w którym został przesłany profil. Domyślnie obszar roboczy tego zestawu danych. Wymagane, jeśli zestaw danych nie jest skojarzony z obszarem roboczym. Aby uzyskać więcej informacji na temat obszarów roboczych, zobacz https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.workspace.workspace . |
Zwraca
| Typ | Opis |
|---|---|
|
Wynik profilu z najnowszego uruchomienia profilu typu DatasetProfile. |
get_profile_runs
Uwaga
Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.
Zwróć poprzednie uruchomienia profilu skojarzone z tym lub tym samym zestawem danych w obszarze roboczym.
get_profile_runs(workspace=None)Parametry
| Nazwa | Opis |
|---|---|
|
workspace
Wymagane
|
Obszar roboczy, w którym został przesłany profil. Domyślnie obszar roboczy tego zestawu danych. Wymagane, jeśli zestaw danych nie jest skojarzony z obszarem roboczym. Aby uzyskać więcej informacji na temat obszarów roboczych, zobacz https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.workspace.workspace . |
Zwraca
| Typ | Opis |
|---|---|
|
obiekt iteratora typu azureml.core.Run. |
keep_columns
Zachowaj określone kolumny i pomiń wszystkie inne z zestawu danych.
Jeśli kolumna timeseries zostanie porzucona, odpowiednie możliwości również zostaną porzucone dla zwróconego zestawu danych.
keep_columns(columns, validate=False)Parametry
| Nazwa | Opis |
|---|---|
|
columns
Wymagane
|
Nazwa lub lista nazw kolumn do zachowania. |
|
validate
Wymagane
|
Wskazuje, czy dane można załadować z zwróconego zestawu danych. Wartość domyślna to False. Weryfikacja wymaga, aby źródło danych było dostępne z bieżącego środowiska obliczeniowego. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca nowy obiekt TabularDataset z przechowywanymi tylko określonymi kolumnami. |
mount
Uwaga
Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.
Utwórz menedżera kontekstu do instalowania strumieni plików zdefiniowanych przez zestaw danych jako pliki lokalne.
mount(stream_column, mount_point=None)Parametry
| Nazwa | Opis |
|---|---|
|
stream_column
Wymagane
|
Kolumna strumienia do zainstalowania. |
|
mount_point
Wymagane
|
Katalog lokalny do zainstalowania plików. Jeśli brak, dane zostaną zainstalowane w katalogu tymczasowym, który można znaleźć, wywołując metodę wystąpienia MountContext.mount_point . |
Zwraca
| Typ | Opis |
|---|---|
|
<xref:azureml.dataprep.fuse.daemon.MountContext>
|
Zwraca menedżera kontekstu do zarządzania cyklem życia instalacji. |
partition_by
Partycjonowane dane zostaną skopiowane i wyjściowe do miejsca docelowego określonego przez obiekt docelowy.
utwórz zestaw danych na podstawie wyjściowej ścieżki danych z formatem partycji, zarejestruj zestaw danych, jeśli podano nazwę, zwróć zestaw danych dla nowej ścieżki danych z partycjami
ds = Dataset.get_by_name('test') # indexed by country, state, partition_date
# #1: call partition_by locally
new_ds = ds.partition_by(name="repartitioned_ds", partition_keys=['country'],
target=DataPath(datastore, "repartition"))
partition_keys = newds.partition_keys # ['country']
# new_ds can be passed to PRS as input dataset
partition_by(partition_keys, target, name=None, show_progress=True, partition_as_file_dataset=False)Parametry
| Nazwa | Opis |
|---|---|
|
partition_keys
Wymagane
|
Wymagane, klucze partycji |
|
target
Wymagane
|
Wymagana ścieżka magazynu danych, do której zostaną przekazane dane parquet ramki danych. Folder guid zostanie wygenerowany w ramach ścieżki docelowej, aby uniknąć konfliktu. |
|
name
Wymagane
|
Opcjonalnie, nazwa rejestracji. |
|
show_progress
Wymagane
|
Opcjonalnie wskazuje, czy ma być wyświetlany postęp przekazywania w konsoli programu . Wartości domyślne mają wartość True. |
|
partition_as_file_dataset
Wymagane
|
Opcjonalnie wskazuje, czy zwraca zestaw danych plików, czy nie. Wartością domyślną jest fałsz. |
Zwraca
| Typ | Opis |
|---|---|
|
Zapisany lub zarejestrowany zestaw danych. |
random_split
Podziel rekordy w zestawie danych na dwie części losowo i w przybliżeniu według określonej wartości procentowej.
Pierwszy zestaw danych zawiera około percentage wszystkich rekordów i drugi zestaw danych pozostałych rekordów.
random_split(percentage, seed=None)Parametry
| Nazwa | Opis |
|---|---|
|
percentage
Wymagane
|
Przybliżona wartość procentowa dzielenia zestawu danych według. Musi to być liczba z zakresu od 0.0 do 1.0. |
|
seed
Wymagane
|
Opcjonalne nasion do użycia dla generatora losowego. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca krotkę nowych obiektów TabularDataset reprezentujących dwa zestawy danych po podziale. |
skip
Pomiń rekordy z góry zestawu danych według określonej liczby.
skip(count)Parametry
| Nazwa | Opis |
|---|---|
|
count
Wymagane
|
Liczba rekordów do pominięcia. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca nowy obiekt TabularDataset reprezentujący zestaw danych z pominiętymi rekordami. |
submit_profile_run
Uwaga
Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.
Prześlij przebieg eksperymentowania, aby obliczyć profil danych.
Profil danych może być bardzo przydatny do zrozumienia danych wejściowych, identyfikowania anomalii i brakujących wartości, udostępniając przydatne informacje o danych, takich jak typ kolumny, brakujące wartości itp.
submit_profile_run(compute_target, experiment, cache_datastore_name=None)Parametry
| Nazwa | Opis |
|---|---|
|
compute_target
Wymagane
|
Obiekt docelowy obliczeniowy do uruchomienia eksperymentu obliczania profilu. Określ wartość "local", aby używać zasobów obliczeniowych lokalnych. Aby uzyskać więcej informacji na temat obiektów docelowych obliczeniowych, zobacz https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.computetarget . |
|
experiment
Wymagane
|
Obiekt eksperymentu. Aby uzyskać więcej informacji na temat eksperymentów, zobacz https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.experiment.experiment . |
|
cache_datastore_name
Wymagane
|
nazwa magazynu danych do przechowywania pamięci podręcznej profilu, jeśli brak, zostanie użyty domyślny magazyn danych |
Zwraca
| Typ | Opis |
|---|---|
|
Obiekt typu DatasetProfileRun, klasa. |
take
Weź przykładowe rekordy z góry zestawu danych według określonej liczby.
take(count)Parametry
| Nazwa | Opis |
|---|---|
|
count
Wymagane
|
Liczba rekordów do wykonania. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca nowy obiekt TabularDataset reprezentujący przykładowy zestaw danych. |
take_sample
Weź losową próbkę rekordów w zestawie danych w przybliżeniu według określonego prawdopodobieństwa.
take_sample(probability, seed=None)Parametry
| Nazwa | Opis |
|---|---|
|
probability
Wymagane
|
Prawdopodobieństwo dołączenia rekordu do próbki. |
|
seed
Wymagane
|
Opcjonalne nasion do użycia dla generatora losowego. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca nowy obiekt TabularDataset reprezentujący przykładowy zestaw danych. |
time_after
Filtruj tabelarycznyZestaw danych z kolumnami sygnatury czasowej po określonym czasie rozpoczęcia.
time_after(start_time, include_boundary=True, validate=True)Parametry
| Nazwa | Opis |
|---|---|
|
start_time
Wymagane
|
Dolna granica filtrowania danych. |
|
include_boundary
Wymagane
|
Określ, czy wiersz skojarzony z czasem granicy ( |
|
validate
Wymagane
|
Wskazuje, czy należy sprawdzić, czy określone kolumny istnieją w zestawie danych. Wartość domyślna to True. Walidacja wymaga, aby źródło danych było dostępne z bieżącego środowiska obliczeniowego. |
Zwraca
| Typ | Opis |
|---|---|
|
Tabelaryczny zestaw danych z nowym filtrowanym zestawem danych. |
time_before
Filtruj tabelarycznyZestaw danych z kolumnami sygnatury czasowej przed określonym czasem zakończenia.
time_before(end_time, include_boundary=True, validate=True)Parametry
| Nazwa | Opis |
|---|---|
|
end_time
Wymagane
|
Górna granica filtrowania danych. |
|
include_boundary
Wymagane
|
Określ, czy wiersz skojarzony z czasem granicy ( |
|
validate
Wymagane
|
Wskazuje, czy należy sprawdzić, czy określone kolumny istnieją w zestawie danych. Wartość domyślna to True. Walidacja wymaga, aby źródło danych było dostępne z bieżącego środowiska obliczeniowego. |
Zwraca
| Typ | Opis |
|---|---|
|
Tabelaryczny zestaw danych z nowym filtrowanym zestawem danych. |
time_between
Filtruj tabelarycznyZestaw danych między określonym czasem rozpoczęcia i zakończenia.
time_between(start_time, end_time, include_boundary=True, validate=True)Parametry
| Nazwa | Opis |
|---|---|
|
start_time
Wymagane
|
Dolna granica filtrowania danych. |
|
end_time
Wymagane
|
Górna granica filtrowania danych. |
|
include_boundary
Wymagane
|
Określ, czy wiersz skojarzony z czasem granicy ( |
|
validate
Wymagane
|
Wskazuje, czy należy sprawdzić, czy określone kolumny istnieją w zestawie danych. Wartość domyślna to True. Walidacja wymaga, aby źródło danych było dostępne z bieżącego środowiska obliczeniowego. |
Zwraca
| Typ | Opis |
|---|---|
|
Tabelaryczny zestaw danych z nowym filtrowanym zestawem danych. |
time_recent
Filtruj tabelarycznyZestaw danych, aby zawierał tylko określony czas trwania (ilość) ostatnich danych.
time_recent(time_delta, include_boundary=True, validate=True)Parametry
| Nazwa | Opis |
|---|---|
|
time_delta
Wymagane
|
Czas trwania (ilość) ostatnich danych do pobrania. |
|
include_boundary
Wymagane
|
Określ, czy wiersz skojarzony z czasem granicy ( |
|
validate
Wymagane
|
Wskazuje, czy należy sprawdzić, czy określone kolumny istnieją w zestawie danych. Wartość domyślna to True. Walidacja wymaga, aby źródło danych było dostępne z bieżącego środowiska obliczeniowego. |
Zwraca
| Typ | Opis |
|---|---|
|
Tabelaryczny zestaw danych z nowym filtrowanym zestawem danych. |
to_csv_files
Przekonwertuj bieżący zestaw danych na plikDataset zawierający pliki CSV.
Wynikowy zestaw danych będzie zawierać co najmniej jeden plik CSV, z których każdy odpowiada partycji danych z bieżącego zestawu danych. Te pliki nie zostaną zmaterializowane, dopóki nie zostaną pobrane lub odczytane.
to_csv_files(separator=',')Parametry
| Nazwa | Opis |
|---|---|
|
separator
Wymagane
|
Separator, który ma być używany do oddzielania wartości w pliku wynikowym. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca nowy obiekt FileDataset z zestawem plików CSV zawierającym dane w tym zestawie danych. |
to_dask_dataframe
Uwaga
Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.
Zwróć ramkę danych dask, która może leniwie odczytywać dane w zestawie danych.
to_dask_dataframe(sample_size=10000, dtypes=None, on_error='null', out_of_range_datetime='null')Parametry
| Nazwa | Opis |
|---|---|
|
sample_size
Wymagane
|
Liczba rekordów do odczytania w celu określenia schematu i typów. |
|
dtypes
Wymagane
|
Opcjonalny dykt określający oczekiwane kolumny i ich typy. sample_size jest ignorowany, jeśli jest to podane. |
|
on_error
Wymagane
|
Jak obsłużyć wszystkie wartości błędów w zestawie danych, takie jak te wygenerowane przez błąd podczas analizowania wartości. Prawidłowe wartości to "null", które zastępują je wartością null; i "fail", co spowoduje wyjątek. |
|
out_of_range_datetime
Wymagane
|
Jak obsługiwać wartości daty i godziny spoza zakresu obsługiwanego przez bibliotekę Pandas. Prawidłowe wartości to "null", które zastępują je wartością null; i "fail", co spowoduje wyjątek. |
Zwraca
| Typ | Opis |
|---|---|
|
dask.dataframe.core.DataFrame |
to_pandas_dataframe
Załaduj wszystkie rekordy z zestawu danych do ramki danych pandas.
to_pandas_dataframe(on_error='null', out_of_range_datetime='null')Parametry
| Nazwa | Opis |
|---|---|
|
on_error
Wymagane
|
Jak obsłużyć wszystkie wartości błędów w zestawie danych, takie jak te wygenerowane przez błąd podczas analizowania wartości. Prawidłowe wartości to "null", które zastępują je wartością null; i "fail", co spowoduje wyjątek. |
|
out_of_range_datetime
Wymagane
|
Jak obsługiwać wartości daty i godziny spoza zakresu obsługiwanego przez bibliotekę Pandas. Prawidłowe wartości to "null", które zastępują je wartością null; i "fail", co spowoduje wyjątek. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca ramkę danych biblioteki pandas. |
to_parquet_files
Przekonwertuj bieżący zestaw danych na plikDataset zawierający pliki Parquet.
Wynikowy zestaw danych będzie zawierać co najmniej jeden plik Parquet, z których każdy odpowiada partycji danych z bieżącego zestawu danych. Te pliki nie zostaną zmaterializowane, dopóki nie zostaną pobrane lub odczytane.
to_parquet_files()Zwraca
| Typ | Opis |
|---|---|
|
Zwraca nowy obiekt FileDataset z zestawem plików Parquet zawierających dane w tym zestawie danych. |
to_spark_dataframe
Załaduj wszystkie rekordy z zestawu danych do ramki danych Platformy Spark.
to_spark_dataframe()Zwraca
| Typ | Opis |
|---|---|
|
Zwraca ramkę danych platformy Spark. |
with_timestamp_columns
Zdefiniuj kolumny znacznika czasu dla zestawu danych.
with_timestamp_columns(timestamp=None, partition_timestamp=None, validate=False, **kwargs)Parametry
| Nazwa | Opis |
|---|---|
|
timestamp
Wymagane
|
Nazwa kolumny jako sygnatura czasowa (używana jako fine_grain_timestamp) (opcjonalnie). Wartość domyślna to None(clear). |
|
partition_timestamp
Wymagane
|
Nazwa kolumny partition_timestamp (używana jako sygnatura czasowa ziarna grubego) (opcjonalnie). Wartość domyślna to None(clear). |
|
validate
Wymagane
|
Wskazuje, czy należy sprawdzić, czy określone kolumny istnieją w zestawie danych. Wartość domyślna to False. Walidacja wymaga, aby źródło danych było dostępne z bieżącego środowiska obliczeniowego. |
Zwraca
| Typ | Opis |
|---|---|
|
Zwraca nowy zestaw danych tabelarycznych ze zdefiniowanymi kolumnami sygnatury czasowej. |
Uwagi
Metoda definiuje kolumny do użycia jako znaczniki czasu. Kolumny sygnatury czasowej w zestawie danych umożliwiają traktowanie danych jako danych szeregów czasowych i włączanie dodatkowych możliwości. Gdy zestaw danych ma określony i timestamp (used to be referred as fine_grain_timestamp)partition_timestamp (used to be referred as coarse grain timestamp) określony, dwie kolumny powinny reprezentować tę samą oś czasu.
Atrybuty
timestamp_columns
Opinia
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź: https://aka.ms/ContentUserFeedback.
Prześlij i wyświetl opinię dla