Dataset Sınıf
Azure Machine Learning'de verileri keşfetmeye, dönüştürmeye ve yönetmeye yönelik bir kaynağı temsil eder.
Veri kümesi, genel web url'lerinin Datastore içindeki veya arkasındaki verilere başvurudur.
Bu sınıfta kullanım dışı bırakılan yöntemler için lütfen geliştirilmiş API'ler için sınıfı denetleyin AbstractDataset .
Aşağıdaki Veri Kümeleri türleri desteklenir:
TabularDataset sağlanan dosyayı veya dosya listesini ayrıştırarak oluşturulan tablo biçiminde verileri temsil eder.
FileDataset veri depolarındaki veya genel URL'lerden gelen bir veya birden çok dosyaya başvurur.
Veri kümelerini kullanmaya başlamak için Veri kümelerini kaydetme & ekleme makalesine veya ve not defterlerine https://aka.ms/tabulardataset-samplenotebookhttps://aka.ms/filedataset-samplenotebookbakın.
Dataset nesnesini başlatın.
Çalışma alanına önceden kaydedilmiş bir Veri Kümesi almak için get yöntemini kullanın.
- Devralma
-
builtins.objectDataset
Oluşturucu
Dataset(definition, workspace=None, name=None, id=None)
Parametreler
Name | Description |
---|---|
definition
Gerekli
|
<xref:azureml.data.DatasetDefinition>
Veri kümesi tanımı. |
workspace
Gerekli
|
Veri Kümesinin bulunduğu çalışma alanı. |
name
Gerekli
|
Veri Kümesinin adı. |
id
Gerekli
|
Veri Kümesinin benzersiz tanımlayıcısı. |
Açıklamalar
Dataset sınıfı, ilgili fabrika yöntemleriyle çalışmadan veri kümesi oluşturmak için kullanabileceğiniz iki kolaylık sınıfı özniteliğini (File
ve Tabular
) kullanıma sunar. Örneğin, şu öznitelikleri kullanarak bir veri kümesi oluşturmak için:
Dataset.Tabular.from_delimited_files()
Dataset.File.from_files()
Ayrıca ve FileDatasetFactoryiçinde tanımlanan TabularDatasetFactory sınıfının karşılık gelen fabrika yöntemlerini doğrudan çağırarak yeni bir TabularDataset veya FileDataset oluşturabilirsiniz.
Aşağıdaki örnekte veri deposundaki tek bir yola işaret eden bir TabularDataset'in nasıl oluşturulduğu gösterilir.
from azureml.core import Dataset
dataset = Dataset.Tabular.from_delimited_files(path = [(datastore, 'train-dataset/tabular/iris.csv')])
# preview the first 3 rows of the dataset
dataset.take(3).to_pandas_dataframe()
Tam örnek şu kaynaktan edinilebilir: https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/work-with-data/datasets-tutorial/train-with-datasets/train-with-datasets.ipynb
Değişkenler
Name | Description |
---|---|
azureml.core.Dataset.File
|
Yeni FileDataset nesneleri oluşturmak için FileDatasetFactory yöntemlerine erişim sağlayan bir sınıf özniteliği. Kullanım: Dataset.File.from_files(). |
azureml.core.Dataset.Tabular
|
Yeni TabularDataset nesneleri oluşturmak için TabularDatasetFactory yöntemlerine erişim sağlayan bir sınıf özniteliği. Kullanım: Dataset.Tabular.from_delimited_files(). |
Yöntemler
archive |
Etkin veya kullanım dışı bir veri kümesini arşivler. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
auto_read_files |
Belirtilen yoldaki dosyaları analiz eder ve yeni bir Veri Kümesi döndürür. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Dosyaları okumak için Dataset.Tabular.from_* yöntemlerinin kullanılması önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
compare_profiles |
Geçerli Veri Kümesinin profilini başka bir veri kümesi profiliyle karşılaştırın. Bu, iki veri kümesi arasındaki özet istatistik farklarını gösterir. 'rhs_dataset' parametresi "sağ taraf" anlamına gelir ve yalnızca ikinci veri kümesidir. İlk veri kümesi (geçerli veri kümesi nesnesi) "sol taraf" olarak kabul edilir. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
create_snapshot |
Kayıtlı Veri Kümesinin anlık görüntüsünü oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
delete_snapshot |
Veri kümesinin anlık görüntüsünü ada göre silin. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
deprecate |
Çalışma alanındaki etkin veri kümesini başka bir veri kümesi tarafından kullanımdan kaldırın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
diff |
Geçerli Veri Kümesini rhs_dataset ile fark edin. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
from_binary_files |
İkili dosyalardan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.File.from_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
from_delimited_files |
Sınırlandırılmış dosyalardan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.Tabular.from_delimited_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
|
from_excel_files |
Excel dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
from_json_files |
JSON dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. JSON satırları dosyasından okumak için bunun yerine Dataset.Tabular.from_json_lines_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
from_pandas_dataframe |
Pandas veri çerçevesinden kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.Tabular.register_pandas_dataframe kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
from_parquet_files |
Parquet dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.Tabular.from_parquet_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
from_sql_query |
SQL sorgusundan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.Tabular.from_sql_query kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
generate_profile |
Veri Kümesi için yeni profil oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
get |
Adını veya kimliğini belirterek çalışma alanında zaten var olan bir Veri Kümesini alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. bunun yerine ve get_by_id kullanılmasını get_by_name önerin. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
get_all |
Çalışma alanındaki tüm kayıtlı veri kümelerini alın. |
get_all_snapshots |
Veri Kümesinin tüm anlık görüntülerini alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
get_by_id |
Çalışma alanına kaydedilen bir Veri Kümesi alın. |
get_by_name |
Kayıt adına göre çalışma alanından kayıtlı bir Veri Kümesi alın. |
get_definition |
Veri Kümesinin belirli bir tanımını alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
get_definitions |
Veri Kümesinin tüm tanımlarını alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
get_profile |
Daha önce hesaplanan Veri Kümesiyle ilgili özet istatistikleri alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
get_snapshot |
Ada göre Veri Kümesinin anlık görüntüsünü alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
head |
Bu Veri Kümesinden belirtilen kayıt sayısını çekin ve bunları DataFrame olarak döndürür. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
list |
False özelliğine sahip Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine kullanılması get_all önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
reactivate |
Arşivlenmiş veya kullanım dışı bırakılmış bir veri kümesini yeniden etkinleştirme. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
register |
Veri Kümesini çalışma alanına kaydederek çalışma alanının diğer kullanıcılarının kullanımına açın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine kullanılması register önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
sample |
Sağlanan örnekleme stratejisini ve parametreleri kullanarak kaynak Veri Kümesinden yeni bir örnek oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın take_sample . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
to_pandas_dataframe |
Bu Veri Kümesi tanımı tarafından tanımlanan dönüştürme işlem hattını yürüterek bir Pandas veri çerçevesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın to_pandas_dataframe . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
to_spark_dataframe |
Bu Veri Kümesi tanımı tarafından tanımlanan dönüştürme işlem hattını yürütebilen bir Spark DataFrame oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın to_spark_dataframe . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
update |
Çalışma alanındaki Veri kümesi değiştirilebilir özniteliklerini güncelleştirin ve güncelleştirilmiş Veri Kümesini çalışma alanından döndürebilirsiniz. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
update_definition |
Veri kümesi tanımını güncelleştirin. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
archive
Etkin veya kullanım dışı bir veri kümesini arşivler.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
archive()
Döndürülenler
Tür | Description |
---|---|
Yok. |
Açıklamalar
Arşivlemeden sonra, Veri Kümesini kullanma girişimleri bir hatayla sonuçlanır. Yanlışlıkla arşivlenirse, yeniden etkinleştir seçeneği etkinleştirecektir.
auto_read_files
Belirtilen yoldaki dosyaları analiz eder ve yeni bir Veri Kümesi döndürür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Dosyaları okumak için Dataset.Tabular.from_* yöntemlerinin kullanılması önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static auto_read_files(path, include_path=False, partition_format=None)
Parametreler
Name | Description |
---|---|
path
Gerekli
|
DataReference veya
str
Kayıtlı bir veri deposundaki veri yolu, yerel yol veya HTTP URL'si (CSV/TSV). |
include_path
Gerekli
|
Verilerin okunduğu dosyanın yolunu içeren bir sütun eklenip eklenmeyeceği. Birden çok dosyayı okurken ve belirli bir kaydın hangi dosyadan geldiğini bilmek istediğinizde kullanışlıdır. Ayrıca, dosya yolunda veya adında bir sütunda olmasını istediğiniz bilgiler varsa da kullanışlıdır. |
partition_format
Gerekli
|
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütunlarını oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss', tarih saat türü için fazladan yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. /Accounts/2019/01/01/data.csv' (verilerin bölüm adı ve zamanına göre bölümlendiği) '/{Department}/{PartitionDate:yyyy/MM/dd}/data.csv' tanımlayarak dize türünde 'Department' ve datetime türünde 'PartitionDate' sütunlarını oluşturabiliriz. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi nesnesi. |
Açıklamalar
Dosya biçimlerinin ve sınırlayıcıların otomatik olarak algılandığında bu yöntemi kullanın.
Bir Veri Kümesi oluşturduktan sonra, her sütun için algılanan sütun türlerini ve özet istatistiklerini listelemek için komutunu kullanmanız get_profile gerekir.
Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
compare_profiles
Geçerli Veri Kümesinin profilini başka bir veri kümesi profiliyle karşılaştırın.
Bu, iki veri kümesi arasındaki özet istatistik farklarını gösterir. 'rhs_dataset' parametresi "sağ taraf" anlamına gelir ve yalnızca ikinci veri kümesidir. İlk veri kümesi (geçerli veri kümesi nesnesi) "sol taraf" olarak kabul edilir.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
compare_profiles(rhs_dataset, profile_arguments={}, include_columns=None, exclude_columns=None, histogram_compare_method=HistogramCompareMethod.WASSERSTEIN)
Parametreler
Name | Description |
---|---|
rhs_dataset
Gerekli
|
Karşılaştırma için "sağ taraf" veri kümesi olarak da adlandırılan ikinci bir Veri Kümesi. |
profile_arguments
Gerekli
|
Belirli bir profili yeniden deneme bağımsız değişkenleri. |
include_columns
Gerekli
|
Karşılaştırmaya eklenecek sütun adlarının listesi. |
exclude_columns
Gerekli
|
Karşılaştırmada dışlanacak sütun adlarının listesi. |
histogram_compare_method
Gerekli
|
Karşılaştırma yöntemini açıklayan sabit listesi, örneğin: Wasserstein veya Enerji |
Döndürülenler
Tür | Description |
---|---|
<xref:azureml.dataprep.api.engineapi.typedefinitions.DataProfileDifference>
|
İki veri kümesi profili arasındaki fark. |
Açıklamalar
Bu yalnızca kayıtlı Veri Kümeleri içindir. Geçerli Veri Kümesinin profili yoksa bir özel durum oluşturur. Kayıtlı olmayan Veri Kümeleri için profile.compare yöntemini kullanın.
create_snapshot
Kayıtlı Veri Kümesinin anlık görüntüsünü oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
create_snapshot(snapshot_name, compute_target=None, create_data_snapshot=False, target_datastore=None)
Parametreler
Name | Description |
---|---|
snapshot_name
Gerekli
|
Anlık görüntü adı. Anlık görüntü adları bir Veri Kümesi içinde benzersiz olmalıdır. |
compute_target
Gerekli
|
Anlık görüntü profili oluşturmayı gerçekleştirmek için isteğe bağlı işlem hedefi. Atlanırsa, yerel işlem kullanılır. |
create_data_snapshot
Gerekli
|
True ise verilerin gerçekleştirilmiş bir kopyası oluşturulur. |
target_datastore
Gerekli
|
Anlık görüntüyü kaydetmek için hedef veri deposu. Atlanırsa, anlık görüntü çalışma alanının varsayılan depolama alanında oluşturulur. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi anlık görüntüsü nesnesi. |
Açıklamalar
Anlık görüntüler, temel alınan verilerin zaman özet istatistiklerini ve verilerin isteğe bağlı bir kopyasını yakalar. Anlık görüntüler oluşturma hakkında daha fazla bilgi edinmek için adresine https://aka.ms/azureml/howto/createsnapshotsgidin.
delete_snapshot
Veri kümesinin anlık görüntüsünü ada göre silin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
delete_snapshot(snapshot_name)
Parametreler
Name | Description |
---|---|
snapshot_name
Gerekli
|
Anlık görüntü adı. |
Döndürülenler
Tür | Description |
---|---|
Yok. |
Açıklamalar
Artık ihtiyacınız olmayan anlık görüntülerde kaydedilen veriler tarafından kullanılan depolama alanını boşaltmak için bunu kullanın.
deprecate
Çalışma alanındaki etkin veri kümesini başka bir veri kümesi tarafından kullanımdan kaldırın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
deprecate(deprecate_by_dataset_id)
Parametreler
Name | Description |
---|---|
deprecate_by_dataset_id
Gerekli
|
Bu Veri Kümesinin yerini alması amaçlanan Veri Kümesi Kimliği. |
Döndürülenler
Tür | Description |
---|---|
Yok. |
Açıklamalar
Kullanım dışı bırakılan Veri Kümeleri, kullanıldıklarında uyarıları günlüğe kaydeder. Veri kümesinin kullanım dışı bırakılması tüm tanımlarını kullanım dışı bırakmıştır.
Kullanım dışı Bırakılmış Veri Kümeleri yine de kullanılabilir. Bir Veri Kümesinin tüketilmesini tamamen engellemek için bu veri kümesini arşivleyin.
Yanlışlıkla kullanım dışı bırakıldıysa, yeniden etkinleştir seçeneği etkinleştirilecektir.
diff
Geçerli Veri Kümesini rhs_dataset ile fark edin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
diff(rhs_dataset, compute_target=None, columns=None)
Parametreler
Name | Description |
---|---|
rhs_dataset
Gerekli
|
Karşılaştırma için sağ taraftaki Veri Kümesi olarak da adlandırılan başka bir Veri Kümesi |
compute_target
Gerekli
|
farkını gerçekleştirmek için işlem hedefi. Atlanırsa, yerel işlem kullanılır. |
columns
Gerekli
|
Diff'e eklenecek sütun adlarının listesi. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi eylemi çalıştırma nesnesi. |
from_binary_files
İkili dosyalardan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.File.from_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_binary_files(path)
Parametreler
Name | Description |
---|---|
path
Gerekli
|
DataReference veya
str
Kayıtlı bir veri deposundaki veya yerel bir yoldaki veri yolu. |
Döndürülenler
Tür | Description |
---|---|
Dataset nesnesi. |
Açıklamalar
Dosyaları ikili veri akışları olarak okumak için bu yöntemi kullanın. Dosya okuma başına bir dosya akışı nesnesi döndürür. Görüntüleri, videoları, sesleri veya diğer ikili verileri okurken bu yöntemi kullanın.
get_profile ve create_snapshot bu yöntem tarafından oluşturulan bir Veri Kümesi için beklendiği gibi çalışmaz.
Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
from_delimited_files
Sınırlandırılmış dosyalardan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.Tabular.from_delimited_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
# Create a dataset from delimited files with header option as ALL_FILES_HAVE_SAME_HEADERS
dataset = Dataset.Tabular.from_delimited_files(path=(datastore, 'data/crime-spring.csv'),
header='ALL_FILES_HAVE_SAME_HEADERS')
df = dataset.to_pandas_dataframe()
static from_delimited_files(path, separator=',', header=PromoteHeadersBehavior.ALL_FILES_HAVE_SAME_HEADERS, encoding=FileEncoding.UTF8, quoting=False, infer_column_types=True, skip_rows=0, skip_mode=SkipLinesBehavior.NO_ROWS, comment=None, include_path=False, archive_options=None, partition_format=None)
Parametreler
Name | Description |
---|---|
path
Gerekli
|
DataReference veya
str
Kayıtlı bir veri deposundaki veri yolu, yerel yol veya HTTP URL'si. |
separator
Gerekli
|
Sütunları bölmek için kullanılan ayırıcı. |
header
Gerekli
|
Dosyalardan okurken sütun üst bilgilerinin nasıl yükseltilir olduğunu denetler. |
encoding
Gerekli
|
Okunan dosyaların kodlaması. |
quoting
Gerekli
|
Tırnak içinde yeni satır karakterlerinin nasıl işleneceğini belirtin. Varsayılan (Yanlış) yeni satır karakterlerini, yeni satır karakterlerinin tırnak içinde olup olmamasına bakılmaksızın yeni satırlar başlatacak şekilde yorumlamaktır. True olarak ayarlanırsa, tırnak içindeki yeni satır karakterleri yeni satırlara neden olmaz ve dosya okuma hızı yavaşlar. |
infer_column_types
Gerekli
|
Sütun veri türlerinin çıkarılıp çıkarılmadığını gösterir. |
skip_rows
Gerekli
|
Okunan dosyalarda kaç satırın atlandığı. |
skip_mode
Gerekli
|
Dosyalardan okurken satırların atlanma şeklini denetler. |
comment
Gerekli
|
Okunan dosyalardaki açıklama satırlarını belirtmek için kullanılan karakter. Bu dizeyle başlayan satırlar atlanır. |
include_path
Gerekli
|
Verilerin okunduğu dosyanın yolunu içeren bir sütunun eklenip eklenmeyeceği. Bu, birden çok dosya okurken ve belirli bir kaydın hangi dosyadan kaynaklandığını bilmek veya yararlı bilgileri dosya yolunda tutmak istediğinizde yararlıdır. |
archive_options
Gerekli
|
<xref:azureml.dataprep.ArchiveOptions>
Arşiv türü ve giriş glob deseni de dahil olmak üzere arşiv dosyası seçenekleri. Şu anda yalnızca arşiv türü olarak ZIP'i destekliyoruz. Örneğin, belirtme
ZIP'te adı "10-20.csv" ile biten tüm dosyaları okur. |
partition_format
Gerekli
|
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yyyy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütununu oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss' tarih saat türü için yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. adlı bir dosya yolu verilmiştir. /Accounts/2019/01/01/data.csv'; burada veriler bölüm adı ve saatlerine göre bölümlendi, dize türünde 'Bölüm' ve tarih saat türünde 'BölümTarihi' sütunları oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.csv' tanımlayabiliriz. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi nesnesi. |
Açıklamalar
Kullanılan seçenekleri denetlemek istediğinizde sınırlandırılmış metin dosyalarını okumak için bu yöntemi kullanın.
Veri Kümesi oluşturduktan sonra, algılanan sütun türlerini ve her sütun için özet istatistikleri listelemek için komutunu kullanmanız get_profile gerekir.
Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
from_excel_files
Excel dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_excel_files(path, sheet_name=None, use_column_headers=False, skip_rows=0, include_path=False, infer_column_types=True, partition_format=None)
Parametreler
Name | Description |
---|---|
path
Gerekli
|
DataReference veya
str
Kayıtlı bir veri deposundaki veya yerel bir yoldaki veri yolu. |
sheet_name
Gerekli
|
Yüklenemiyor Excel sayfasının adı. Varsayılan olarak her Excel dosyasından ilk sayfayı okuruz. |
use_column_headers
Gerekli
|
İlk satırın sütun başlığı olarak kullanılıp kullanılmayacağını denetler. |
skip_rows
Gerekli
|
Okunan dosyalarda kaç satırın atlandığı. |
include_path
Gerekli
|
Verilerin okunduğu dosyanın yolunu içeren bir sütunun eklenip eklenmeyeceği. Bu, birden çok dosya okurken ve belirli bir kaydın hangi dosyadan kaynaklandığını bilmek veya yararlı bilgileri dosya yolunda tutmak istediğinizde yararlıdır. |
infer_column_types
Gerekli
|
Doğruysa, sütun veri türleri çıkarılır. |
partition_format
Gerekli
|
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yyyy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütununu oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss' tarih saat türü için yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. adlı bir dosya yolu verilmiştir. /Accounts/2019/01/01/data.xlsx'; burada veriler bölüm adı ve saatlerine göre bölümlendi, dize türünde 'Bölüm' ve tarih saat türünde 'BölümTarihi' sütunları oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.xlsx' tanımlayabiliriz. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi nesnesi. |
Açıklamalar
Excel dosyalarını .xlsx biçimde okumak için bu yöntemi kullanın. Veriler her Excel dosyasındaki bir sayfadan okunabilir. Veri Kümesi oluşturduktan sonra, algılanan sütun türlerini ve her sütun için özet istatistikleri listelemek için komutunu kullanmanız get_profile gerekir. Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
from_json_files
JSON dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
JSON satırları dosyasından okumak için bunun yerine Dataset.Tabular.from_json_lines_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_json_files(path, encoding=FileEncoding.UTF8, flatten_nested_arrays=False, include_path=False, partition_format=None)
Parametreler
Name | Description |
---|---|
path
Gerekli
|
DataReference veya
str
Yüklemek ve ayrıştırmak istediğiniz dosya veya klasörün yolu. Yerel yol veya Azure Blob URL'si olabilir. Globbing desteklenir. Örneğin, adı "data" ile başlayan tüm dosyaları okumak için path = "./data*" kullanabilirsiniz. |
encoding
Gerekli
|
Okunan dosyaların kodlaması. |
flatten_nested_arrays
Gerekli
|
Programın iç içe dizileri işlemesini denetleen özellik. İç içe JSON dizilerini düzleştirmeyi seçerseniz, çok daha fazla sayıda satıra neden olabilir. |
include_path
Gerekli
|
Verilerin okunduğu yolu içeren bir sütunun eklenip eklenmeyeceği. Bu, birden çok dosya okurken yararlıdır ve belirli bir kaydın hangi dosyadan kaynaklandığını bilmek veya dosya yolunda yararlı bilgileri tutmak isteyebilirsiniz. |
partition_format
Gerekli
|
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yyyy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütununu oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss' tarih saat türü için yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. adlı bir dosya yolu verilmiştir. /Accounts/2019/01/01/data.json' ve veriler departman adına ve saatine göre bölümlendi, dize türünde 'Bölüm' ve tarih saat türünde 'BölümTarihi' sütunları oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.json' tanımlayabiliriz. |
Döndürülenler
Tür | Description |
---|---|
Yerel Veri Kümesi nesnesi. |
from_pandas_dataframe
Pandas veri çerçevesinden kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.Tabular.register_pandas_dataframe kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_pandas_dataframe(dataframe, path=None, in_memory=False)
Parametreler
Name | Description |
---|---|
dataframe
Gerekli
|
Pandas Veri Çerçevesi. |
path
Gerekli
|
Kayıtlı veri deposundaki veya yerel klasör yolundaki bir veri yolu. |
in_memory
Gerekli
|
Diskte kalıcı hale getirmek yerine DataFrame'in bellekten okunup okunmayacağı. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi nesnesi. |
Açıklamalar
Pandas veri çerçevesini Bir Dataset nesnesine dönüştürmek için bu yöntemi kullanın. Veriler bellekten olduğundan, bu yöntem tarafından oluşturulan veri kümesi kaydedilemez.
in_memory
False ise Pandas DataFrame yerel olarak bir CSV dosyasına dönüştürülür. DataReference türündeyse pat
Pandas çerçevesi veri deposuna yüklenir ve Veri Kümesi DataReference'ı temel alır. ''path' bir yerel klasörse, Veri Kümesi silinemeyen yerel dosyadan oluşturulur.
Geçerli DataReference bir klasör yolu değilse bir özel durum oluşturur.
from_parquet_files
Parquet dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.Tabular.from_parquet_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_parquet_files(path, include_path=False, partition_format=None)
Parametreler
Name | Description |
---|---|
path
Gerekli
|
DataReference veya
str
Kayıtlı bir veri deposundaki veya yerel bir yoldaki veri yolu. |
include_path
Gerekli
|
Verilerin okunduğu dosyanın yolunu içeren bir sütunun eklenip eklenmeyeceği. Bu, birden çok dosya okurken ve belirli bir kaydın hangi dosyadan kaynaklandığını bilmek veya yararlı bilgileri dosya yolunda tutmak istediğinizde yararlıdır. |
partition_format
Gerekli
|
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yyyy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütununu oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss' tarih saat türü için yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. adlı bir dosya yolu verilmiştir. /Accounts/2019/01/01/data.parquet' burada veriler bölüm adı ve saatlerine göre bölümlendi, dize türünde 'Bölüm' ve tarih saat türünde 'BölümTarihi' sütunları oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.parquet' tanımlayabiliriz. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi nesnesi. |
Açıklamalar
Parquet dosyalarını okumak için bu yöntemi kullanın.
Veri Kümesi oluşturduktan sonra, algılanan sütun türlerini ve her sütun için özet istatistikleri listelemek için komutunu kullanmanız get_profile gerekir.
Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
from_sql_query
SQL sorgusundan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.Tabular.from_sql_query kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_sql_query(data_source, query)
Parametreler
Name | Description |
---|---|
data_source
Gerekli
|
Azure SQL veri deposunun ayrıntıları. |
query
Gerekli
|
Verileri okumak için yürütülecek sorgu. |
Döndürülenler
Tür | Description |
---|---|
Yerel Veri Kümesi nesnesi. |
generate_profile
Veri Kümesi için yeni profil oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
generate_profile(compute_target=None, workspace=None, arguments=None)
Parametreler
Name | Description |
---|---|
compute_target
Gerekli
|
Anlık görüntü profili oluşturmayı gerçekleştirmek için isteğe bağlı bir işlem hedefi. Atlanırsa, yerel işlem kullanılır. |
workspace
Gerekli
|
Geçici (kayıtlı olmayan) veri kümeleri için gereken çalışma alanı. |
arguments
Gerekli
|
Profil bağımsız değişkenleri. Geçerli bağımsız değişkenler şunlardır:
|
Döndürülenler
Tür | Description |
---|---|
Veri kümesi eylemi çalıştırma nesnesi. |
Açıklamalar
Zaman uyumlu çağrı, tamamlanana kadar engeller. Eylemin sonucunu almak için çağrısı get_result .
get
Adını veya kimliğini belirterek çalışma alanında zaten var olan bir Veri Kümesini alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
bunun yerine ve get_by_id kullanılmasını get_by_name önerin. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static get(workspace, name=None, id=None)
Parametreler
Name | Description |
---|---|
workspace
Gerekli
|
Veri kümesinin oluşturulduğu mevcut AzureML çalışma alanı. |
name
Gerekli
|
Alınacak Veri Kümesinin adı. |
id
Gerekli
|
Çalışma alanındaki Veri Kümesinin benzersiz tanımlayıcısı. |
Döndürülenler
Tür | Description |
---|---|
Belirtilen ada veya kimliğine sahip Veri Kümesi. |
Açıklamalar
veya id
sağlayabilirsinizname
. Şu durumlarda bir özel durum oluşur:
id
hem hem dename
belirtilir ancak eşleşmiyor.belirtilen
name
veyaid
ile veri kümesi çalışma alanında bulunamıyor.
get_all
Çalışma alanındaki tüm kayıtlı veri kümelerini alın.
get_all()
Parametreler
Name | Description |
---|---|
workspace
Gerekli
|
Veri Kümelerinin kayıtlı olduğu mevcut AzureML çalışma alanı. |
Döndürülenler
Tür | Description |
---|---|
Kayıt adlarına göre anahtarlanan TabularDataset ve FileDataset nesnelerinin sözlüğü. |
get_all_snapshots
Veri Kümesinin tüm anlık görüntülerini alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_all_snapshots()
Döndürülenler
Tür | Description |
---|---|
Veri kümesi anlık görüntülerinin listesi. |
get_by_id
Çalışma alanına kaydedilen bir Veri Kümesi alın.
get_by_id(id, **kwargs)
Parametreler
Name | Description |
---|---|
workspace
Gerekli
|
Veri Kümesinin kaydedildiği mevcut AzureML çalışma alanı. |
id
Gerekli
|
Veri kümesinin kimliği. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi nesnesi. Veri kümesi kayıtlıysa, kayıt adı ve sürümü de döndürülür. |
get_by_name
Kayıt adına göre çalışma alanından kayıtlı bir Veri Kümesi alın.
get_by_name(name, version='latest', **kwargs)
Parametreler
Name | Description |
---|---|
workspace
Gerekli
|
Veri Kümesinin kayıtlı olduğu mevcut AzureML çalışma alanı. |
name
Gerekli
|
Kayıt adı. |
version
Gerekli
|
Kayıt sürümü. Varsayılan olarak 'en son' olarak gösterilir. |
Döndürülenler
Tür | Description |
---|---|
Kayıtlı veri kümesi nesnesi. |
get_definition
Veri Kümesinin belirli bir tanımını alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_definition(version_id=None)
Parametreler
Name | Description |
---|---|
version_id
Gerekli
|
Veri Kümesi tanımının sürüm kimliği |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi tanımı. |
Açıklamalar
Sağlanırsa version_id
, Azure Machine Learning bu sürüme karşılık gelen tanımı almaya çalışır. Bu sürüm yoksa, bir özel durum oluşturulur.
Atlanırsa version_id
en son sürüm alınır.
get_definitions
Veri Kümesinin tüm tanımlarını alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_definitions()
Döndürülenler
Tür | Description |
---|---|
Veri kümesi tanımlarının sözlüğü. |
Açıklamalar
AzureML çalışma alanına kayıtlı bir Veri Kümesinin, her biri çağrılarak update_definitionoluşturulan birden çok tanımı olabilir. Her tanımın benzersiz bir tanımlayıcısı vardır. Geçerli tanım, oluşturulan en son tanımdır.
Kayıtlı olmayan Veri Kümeleri için yalnızca bir tanım vardır.
get_profile
Daha önce hesaplanan Veri Kümesiyle ilgili özet istatistikleri alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_profile(arguments=None, generate_if_not_exist=True, workspace=None, compute_target=None)
Parametreler
Name | Description |
---|---|
arguments
Gerekli
|
Profil bağımsız değişkenleri. |
generate_if_not_exist
Gerekli
|
Yoksa profil oluşturulup oluşturulmayacağını gösterir. |
workspace
Gerekli
|
Geçici (kayıtlı olmayan) Veri Kümeleri için gereken çalışma alanı. |
compute_target
Gerekli
|
Profil eylemini yürütmek için bir işlem hedefi. |
Döndürülenler
Tür | Description |
---|---|
<xref:azureml.dataprep.DataProfile>
|
Veri Kümesinin DataProfile dosyası. |
Açıklamalar
Azure Machine Learning çalışma alanına kayıtlı bir Veri Kümesi için bu yöntem, hala geçerliyse çağrısı get_profile
yaparak daha önce oluşturulmuş mevcut bir profili alır. Veri kümesinde değiştirilen veriler algılandığında veya için bağımsız değişkenleri get_profile
profil oluşturulurken kullanılanlardan farklı olduğunda profiller geçersiz kılınıyor. Profil yoksa veya geçersiz kılındıysa, generate_if_not_exist
yeni bir profil oluşturulacağını belirler.
Azure Machine Learning çalışma alanına kayıtlı olmayan bir Veri Kümesi için bu yöntem her zaman çalışır generate_profile ve sonucu döndürür.
get_snapshot
Ada göre Veri Kümesinin anlık görüntüsünü alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_snapshot(snapshot_name)
Parametreler
Name | Description |
---|---|
snapshot_name
Gerekli
|
Anlık görüntü adı. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi anlık görüntüsü nesnesi. |
head
Bu Veri Kümesinden belirtilen kayıt sayısını çekin ve bunları DataFrame olarak döndürür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
head(count)
Parametreler
Name | Description |
---|---|
count
Gerekli
|
Çekecek kayıt sayısı. |
Döndürülenler
Tür | Description |
---|---|
A Pandas DataFrame. |
list
False özelliğine sahip is_visible
olanlar da dahil olmak üzere çalışma alanındaki tüm Veri Kümelerini listeleyin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine kullanılması get_all önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static list(workspace)
Parametreler
Name | Description |
---|---|
workspace
Gerekli
|
Veri Kümeleri listesini almak istediğiniz çalışma alanı. |
Döndürülenler
Tür | Description |
---|---|
Veri kümesi nesnelerinin listesi. |
reactivate
Arşivlenmiş veya kullanım dışı bırakılmış bir veri kümesini yeniden etkinleştirme.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
reactivate()
Döndürülenler
Tür | Description |
---|---|
Yok. |
register
Veri Kümesini çalışma alanına kaydederek çalışma alanının diğer kullanıcılarının kullanımına açın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine kullanılması register önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
register(workspace, name, description=None, tags=None, visible=True, exist_ok=False, update_if_exist=False)
Parametreler
Name | Description |
---|---|
workspace
Gerekli
|
Veri Kümesinin kaydedildiği AzureML çalışma alanı. |
name
Gerekli
|
Çalışma alanındaki Veri Kümesinin adı. |
description
Gerekli
|
Veri Kümesinin açıklaması. |
tags
Gerekli
|
Veri Kümesi ile ilişkilendirilecek etiketler. |
visible
Gerekli
|
Veri Kümesinin kullanıcı arabiriminde görünür olup olmadığını gösterir. False ise Veri Kümesi kullanıcı arabiriminde gizlenir ve SDK aracılığıyla kullanılabilir. |
exist_ok
Gerekli
|
True ise, yöntem veri kümesi verilen çalışma alanında zaten varsa veri kümesini döndürür, aksi takdirde hata verir. |
update_if_exist
Gerekli
|
|
Döndürülenler
Tür | Description |
---|---|
Çalışma alanında kayıtlı bir Dataset nesnesi. |
sample
Sağlanan örnekleme stratejisini ve parametreleri kullanarak kaynak Veri Kümesinden yeni bir örnek oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın take_sample . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
sample(sample_strategy, arguments)
Parametreler
Name | Description |
---|---|
sample_strategy
Gerekli
|
Kullanılacak örnek strateji. Kabul edilen değerler "top_n", "simple_random" veya "katmanlandırılmış" değerlerdir. |
arguments
Gerekli
|
Yukarıda gösterilen listede "İsteğe bağlı bağımsız değişken" anahtarlarını ve tye "Tür" sütunundaki değerleri içeren bir sözlük. Yalnızca ilgili örnekleme yönteminden bağımsız değişkenler kullanılabilir. Örneğin, "simple_random" örnek türü için yalnızca "olasılık" ve "dengeli" anahtarlara sahip bir sözlük belirtebilirsiniz. |
Döndürülenler
Tür | Description |
---|---|
Özgün veri kümesinin bir örneği olarak veri kümesi nesnesi. |
Açıklamalar
Örnekler, bu Veri Kümesi tarafından tanımlanan dönüştürme işlem hattı yürütülerek ve ardından çıkış verilerine örnekleme stratejisi ve parametreleri uygulanarak oluşturulur. Her örnekleme yöntemi aşağıdaki isteğe bağlı bağımsız değişkenleri destekler:
top_n
İsteğe bağlı bağımsız değişkenler
- n, tamsayı yazın. Örneğiniz olarak ilk N satırı seçin.
simple_random
İsteğe bağlı bağımsız değişkenler
olasılık, float yazın. Her satırın eşit seçilme olasılığına sahip olduğu basit rastgele örnekleme. Olasılık 0 ile 1 arasında bir sayı olmalıdır.
seed, float yazın. Rastgele sayı oluşturucu tarafından kullanılır. Tekrarlanabilirlik için kullanın.
Tabakalı
İsteğe bağlı bağımsız değişkenler
sütunlarını seçin, list[str] yazın. Verilerdeki katman sütunlarının listesi.
seed, float yazın. Rastgele sayı oluşturucu tarafından kullanılır. Tekrarlanabilirlik için kullanın.
kesirler, dict[tanımlama grubu, float] yazın. Tanımlama grubu: Bir katman tanımlayan sütun değerleri, sütun adlarıyla aynı sırada olmalıdır. Float: Örnekleme sırasında bir katmana bağlı ağırlık.
Aşağıdaki kod parçacıkları, farklı örnek yöntemler için örnek tasarım desenleridir.
# sample_strategy "top_n"
top_n_sample_dataset = dataset.sample('top_n', {'n': 5})
# sample_strategy "simple_random"
simple_random_sample_dataset = dataset.sample('simple_random', {'probability': 0.3, 'seed': 10.2})
# sample_strategy "stratified"
fractions = {}
fractions[('THEFT',)] = 0.5
fractions[('DECEPTIVE PRACTICE',)] = 0.2
# take 50% of records with "Primary Type" as THEFT and 20% of records with "Primary Type" as
# DECEPTIVE PRACTICE into sample Dataset
sample_dataset = dataset.sample('stratified', {'columns': ['Primary Type'], 'fractions': fractions})
to_pandas_dataframe
Bu Veri Kümesi tanımı tarafından tanımlanan dönüştürme işlem hattını yürüterek bir Pandas veri çerçevesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın to_pandas_dataframe . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
to_pandas_dataframe()
Döndürülenler
Tür | Description |
---|---|
A Pandas DataFrame. |
Açıklamalar
Bellekte tamamen gerçekleştirilmiş bir Pandas DataFrame döndürür.
to_spark_dataframe
Bu Veri Kümesi tanımı tarafından tanımlanan dönüştürme işlem hattını yürütebilen bir Spark DataFrame oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın to_spark_dataframe . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
to_spark_dataframe()
Döndürülenler
Tür | Description |
---|---|
A Spark DataFrame. |
Açıklamalar
Döndürülen Spark Dataframe yalnızca bir yürütme planıdır ve Spark Dataframe'ler gevşek bir şekilde değerlendirildiğinden herhangi bir veri içermez.
update
Çalışma alanındaki Veri kümesi değiştirilebilir özniteliklerini güncelleştirin ve güncelleştirilmiş Veri Kümesini çalışma alanından döndürebilirsiniz.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
update(name=None, description=None, tags=None, visible=None)
Parametreler
Name | Description |
---|---|
name
Gerekli
|
Çalışma alanındaki Veri Kümesinin adı. |
description
Gerekli
|
Verilerin açıklaması. |
tags
Gerekli
|
Veri Kümesini ilişkilendirilecek etiketler. |
visible
Gerekli
|
Veri Kümesinin kullanıcı arabiriminde görünür olup olmadığını gösterir. |
Döndürülenler
Tür | Description |
---|---|
Çalışma alanından güncelleştirilmiş bir Dataset nesnesi. |
update_definition
Veri kümesi tanımını güncelleştirin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
update_definition(definition, definition_update_message)
Parametreler
Name | Description |
---|---|
definition
Gerekli
|
Bu Veri Kümesinin yeni tanımı. |
definition_update_message
Gerekli
|
Tanım güncelleştirme iletisi. |
Döndürülenler
Tür | Description |
---|---|
Çalışma alanından güncelleştirilmiş bir Dataset nesnesi. |
Açıklamalar
Güncelleştirilmiş Veri Kümesini kullanmak için bu yöntem tarafından döndürülen nesnesini kullanın.
Öznitelikler
definition
Geçerli Veri Kümesi tanımını döndür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
Döndürülenler
Tür | Description |
---|---|
Veri kümesi tanımı. |
Açıklamalar
Veri kümesi tanımı, verilerin nasıl okunacağını ve dönüştürüleceğini belirten bir dizi adımdır.
AzureML çalışma alanına kayıtlı bir Veri Kümesinin, her biri çağrılarak update_definitionoluşturulan birden çok tanımı olabilir. Her tanımın benzersiz bir tanımlayıcısı vardır. Birden çok tanıma sahip olmak, eski tanıma bağlı modelleri ve işlem hatlarını bozmadan mevcut Veri Kümelerinde değişiklik yapmanıza olanak tanır.
Kayıtlı olmayan Veri Kümeleri için yalnızca bir tanım vardır.
definition_version
Veri Kümesinin geçerli tanımının sürümünü döndürür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
Döndürülenler
Tür | Description |
---|---|
Veri kümesi tanımı sürümü. |
Açıklamalar
Veri kümesi tanımı, verilerin nasıl okunacağını ve dönüştürüleceğini belirten bir dizi adımdır.
AzureML çalışma alanına kayıtlı bir Veri Kümesinin, her biri çağrılarak update_definitionoluşturulan birden çok tanımı olabilir. Her tanımın benzersiz bir tanımlayıcısı vardır. Geçerli tanım, kimliği bu tarafından döndürülen en son oluşturulan tanımdır.
Kayıtlı olmayan Veri Kümeleri için yalnızca bir tanım vardır.
description
Veri Kümesinin açıklamasını döndür.
Döndürülenler
Tür | Description |
---|---|
Veri kümesi açıklaması. |
Açıklamalar
Veri Kümesindeki verilerin açıklamasının belirtilmesi, çalışma alanı kullanıcılarının verilerin neyi temsil ettiklerini ve bunları nasıl kullanabileceklerini anlamasına olanak tanır.
id
Veri Kümesi bir çalışma alanına kaydedildiyse, Veri Kümesinin kimliğini döndürebilirsiniz. Aksi takdirde Yok değerini döndür.
Döndürülenler
Tür | Description |
---|---|
Veri Kümesi Kimliği. |
is_visible
Azure ML çalışma alanı kullanıcı arabiriminde kayıtlı bir Veri Kümesinin görünürlüğünü denetleyin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
Döndürülenler
Tür | Description |
---|---|
Veri kümesi görünürlüğü. |
Açıklamalar
Döndürülen değerler:
Doğru: Veri kümesi çalışma alanı kullanıcı arabiriminde görünür. Varsayılan.
Yanlış: Veri kümesi çalışma alanı kullanıcı arabiriminde gizlenir.
Kayıtlı olmayan Veri Kümeleri üzerinde hiçbir etkisi yoktur.
name
state
Veri Kümesinin durumunu döndürür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
Döndürülenler
Tür | Description |
---|---|
Veri kümesi durumu. |
Açıklamalar
Durumların anlamı ve etkisi aşağıdaki gibidir:
Etkin. Etkin tanımlar tam olarak göründüğü gibidir, tüm eylemler etkin tanımlar üzerinde gerçekleştirilebilir.
Kullanım dışı. kullanım dışı bırakılmış tanım kullanılabilir, ancak temel alınan verilere her erişildiğinde günlüklere bir uyarı kaydedilir.
Arşivlenmiş. Arşivlenmiş tanım herhangi bir eylem gerçekleştirmek için kullanılamaz. Arşivlenmiş bir tanım üzerinde eylem gerçekleştirmek için yeniden etkinleştirilmesi gerekir.
tags
Veri Kümesi ile ilişkili etiketleri döndürün.
Döndürülenler
Tür | Description |
---|---|
Veri kümesi etiketleri. |
workspace
Veri kümesi bir çalışma alanına kaydedildiyse, bunu döndürebilirsiniz. Aksi takdirde Yok değerini döndür.
Döndürülenler
Tür | Description |
---|---|
Çalışma alanı. |