Поделиться через

Семантические функции

  • Статья

В этой статье описываются семантические функции и как они могут помочь специалистам по обработке и анализу данных обнаруживать функции, относящиеся к FabricDataFrame или FabricSeries, над которыми они работают. Семантические функции являются частью функции семантической связи Microsoft Fabric.

Для Spark 3.4 и более поздних версий пакет ядра семантической связи доступен в среде выполнения Fabric по умолчанию, но пакет функций семантики, включающий логику семантической функции (например is_holiday, необходимо установить вручную). Чтобы обновить последнюю версию библиотеки семантики Python (SemPy), выполните следующую команду:

%pip install -U semantic-link

FabricDataFrame динамически предоставляет семантические функции на основе логики, определяемой каждой функцией. Например, is_holiday функция отображается в предложениях автозаполнения при работе с Кадром FabricDataFrame, который содержит как столбец datetime, так и столбец страны.

Каждая семантическая функция использует сведения о данных, типах данных и метаданных (например, категориях данных Power BI) в FabricDataFrame или FabricSeries, чтобы определить его релевантность для конкретных данных, над которыми вы работаете.

Семантические функции автоматически обнаруживаются при аннотировании с @semantic_function помощью декоратора. Вы можете рассматривать семантические функции как методы расширения C#, применяемые к концепции DataFrame.

Предложения автозавершения семантических функций

Семантические функции доступны в предложениях автозаполнения при работе с FabricDataFrame или FabricSeries. Используйте CTRL+ПРОБЕЛ, чтобы активировать автозавершение.

Снимок экрана: семантические функции в предложениях автозаполнения.

В следующем примере кода вручную указывается метаданные для FabricDataFrame:

from sempy.fabric import FabricDataFrame

df = FabricDataFrame(
    {"country": ["US", "AT"],
        "lat": [40.7128, 47.8095],
        "long": [-74.0060, 13.0550]},
    column_metadata={"lat": {"data_category": "Latitude"}, "long": {"data_category": "Longitude"}},
)

# Convert to GeoPandas dataframe
df_geo = df.to_geopandas(lat_col="lat", long_col="long")

# Use the explore function to visualize the data
df_geo.explore()

Кроме того, при чтении из семантической модели в FabricDataFrame метаданные автоматически заполняются.

from sempy.fabric import FabricDataFrame

# Read from semantic model
import sempy.fabric as fabric
df = fabric.read_table("my_dataset_name", "my_countries")

# Convert to GeoPandas dataframe
df_geo = df.to_geopandas(lat_col="lat", long_col="long")

# Use the explore function to visualize the data
df_geo.explore()

Встроенные семантические функции

Библиотека Python SemPy предоставляет набор встроенных семантических функций, доступных вне поля. К этим встроенным функциям относятся:

Пользовательские семантические функции

Семантические функции предназначены для расширения. Вы можете определить собственные семантические функции в записной книжке или как отдельные модули Python.

Чтобы использовать семантику вне записной книжки, объявите семантику функции в модуле sempy.functions . В следующем примере кода показано определение семантической функции _is_capital , возвращающей true , если город является столицей страны.

from sempy.fabric import FabricDataFrame, FabricSeries
from sempy.fabric.matcher import CountryMatcher, CityMatcher
from sempy.functions import semantic_function, semantic_parameters

@semantic_function("is_capital")
@semantic_parameters(col_country=CountryMatcher, col_city=CityMatcher)
def _is_capital(df: FabricDataFrame, col_country: str, col_city: str) -> FabricSeries:
    """Returns true if the city is the capital of the country"""
    capitals = {
        "US": ["Washington"],
        "AT": ["Vienna"],
        # ...
    }

    return df[[col_country, col_city]] \
        .apply(lambda row: row[1] in capitals[row[0]], axis=1)

В предыдущем примере кода:

  • col_city И col_country параметры аннотируются и CountryMatcher CityMatcherсоответственно. Эта заметка позволяет автоматически обнаруживать семантическую функцию при работе с Кадром FabricDataFrame с соответствующими метаданными.
  • Вызов функции также предоставляет стандартные типы данных, такие как str, floatintи datetime для определения обязательных входных столбцов.
  • Заметка типа первого параметра df показывает, что функция применима к FabricDataFrame, а не FabricSeries.

Связанный контент