Dataset Sınıf

Azure Machine Learning'de verileri keşfetmeye, dönüştürmeye ve yönetmeye yönelik bir kaynağı temsil eder.

Veri kümesi, genel web url'lerindeki Datastore 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 dosya veya dosya listesi ayrıştırılarak oluşturulan tablo biçimindeki verileri temsil eder.

  • FileDataset veri depolarındaki veya genel URL'lerdeki tek veya birden çok dosyaya başvurur.

Veri kümelerini kullanmaya başlamak için Veri kümeleri ekleme ve kaydetme makalesine bakın veya ve not defterlerine https://aka.ms/tabulardataset-samplenotebook bakın https://aka.ms/filedataset-samplenotebook.

Dataset nesnesini başlatın.

Çalışma alanına önceden kaydedilmiş bir Veri Kümesi almak için get yöntemini kullanın.

Oluşturucu

Dataset(definition, workspace=None, name=None, id=None)

Parametreler

Name Description
definition
Gerekli
<xref:azureml.data.DatasetDefinition>

Veri kümesi tanımı.
workspace
Gerekli
Workspace

Veri Kümesinin bulunduğu çalışma alanı.
name
Gerekli
str

Veri Kümesinin adı.
id
Gerekli
str

Veri Kümesinin benzersiz tanımlayıcısı.

Açıklamalar

Dataset sınıfı, karşılık gelen 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 TabularDatasetFactoryiçinde tanımlanan FileDatasetFactory sınıfının ilgili fabrika yöntemlerini doğrudan çağırarak yeni bir TabularDataset veya FileDataset oluşturabilirsiniz.

Aşağıdaki örnekte, bir veri deposunda tek bir yola işaret eden bir TabularDataset'in nasıl oluşturulacağı gösterilmektedir.


   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 bırakılmış bir veri kümesini arşivler.

Uyarı

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.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Dosyaları okumak için Dataset.Tabular.from_* yöntemlerini kullanmanızı öneririz. 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 istatistiklerin 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.

Uyarı

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.

Uyarı

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.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
deprecate

Çalışma alanındaki etkin bir veri kümesini başka bir veri kümesine göre kullanımdan kaldırın.

Uyarı

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.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
from_binary_files

İkili dosyalardan kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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 kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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()
from_excel_files

Excel dosyalarından kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
from_json_files

JSON dosyalarından kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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.

Uyarı

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 kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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 kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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.

Uyarı

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.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

bunun yerine ve'i get_by_name kullanmanızı get_by_id öneririz. 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.

Uyarı

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.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_definitions

Veri Kümesinin tüm tanımlarını alın.

Uyarı

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.

Uyarı

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.

Uyarı

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.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
list

Özelliği False'a eşit olanlar da dahil olmak üzere çalışma alanındaki tüm Veri Kümelerini is_visible listeleyin.

Uyarı

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.

Uyarı

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.

Uyarı

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.

Uyarı

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.

Uyarı

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.

Uyarı

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 çalışma alanından güncelleştirilmiş Veri Kümesini döndürin.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
update_definition

Veri kümesi tanımını güncelleştirin.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

archive

Etkin veya kullanım dışı bırakılmış bir veri kümesini arşivler.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

archive()

Döndürülenler

Tür Description
None

Yok.

Açıklamalar

Arşivlemeden sonra, Veri Kümesini kullanma girişimleri bir hatayla sonuçlanır. Yanlışlıkla arşivlenirse yeniden etkinleştir seçeneği etkinleştirilecektir.

auto_read_files

Belirtilen yoldaki dosyaları analiz eder ve yeni bir Veri Kümesi döndürür.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Dosyaları okumak için Dataset.Tabular.from_* yöntemlerini kullanmanızı öneririz. 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
bool

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 kullanışlıdır.
partition_format
Gerekli
str

Yolda bölüm biçimini belirtin ve '{x}' biçiminden ve '{x:yyyy/MM/dd/HH/mm/ss}' biçimindeki tarih saat sütunundan dize sütunları oluşturun; burada 'yyyy', 'MM', 'dd', 'HH', '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'data.csv; burada veriler bölüm adı ve saate göre bölümleniyor, dize türünde 'Department' ve datetime türünde 'PartitionDate' sütunlarını oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.csv' tanımlayabiliriz.

Döndürülenler

Tür Description
Dataset

Veri kümesi nesnesi.

Açıklamalar

Dosya biçimlerinin ve sınırlayıcıların otomatik olarak algılandığında bu yöntemi kullanın.

Veri Kümesi oluşturduktan sonra, her sütun için algılanan sütun türlerini ve özet istatistikleri listelemek için komutunu kullanmalısınız get_profile .

Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.

compare_profiles

Geçerli Veri Kümesinin profilini başka bir veri kümesi profiliyle karşılaştırın.

Bu, iki veri kümesi arasındaki özet istatistiklerin 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.

Uyarı

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
Dataset

Karşılaştırma için "sağ taraf" veri kümesi olarak da adlandırılan ikinci bir Veri Kümesi.
profile_arguments
Gerekli
dict

Belirli bir profili yeniden deneme bağımsız değişkenleri.
include_columns
Gerekli
list[str]

Karşılaştırmaya dahil edilecek sütun adlarının listesi.
exclude_columns
Gerekli
list[str]

Karşılaştırmada dışlanacak sütun adlarının listesi.
histogram_compare_method
Gerekli
HistogramCompareMethod

Karşılaştırma yöntemini açıklayan sabit listesi, örneğin: Wasserstein veya Energy

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. Kaydedilmemiş Veri kümeleri için profile.compare yöntemini kullanın.

create_snapshot

Kayıtlı Veri Kümesinin anlık görüntüsünü oluşturun.

Uyarı

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
str

Anlık görüntü adı. Anlık görüntü adları bir Veri Kümesi içinde benzersiz olmalıdır.
compute_target
Gerekli
Union[ComputeTarget, str]

Anlık görüntü profili oluşturmayı gerçekleştirmek için isteğe bağlı işlem hedefi. Belirtilmezse, yerel işlem kullanılır.
create_data_snapshot
Gerekli
bool

True ise verilerin gerçekleştirilmiş bir kopyası oluşturulur.
target_datastore
Gerekli
Union[AbstractAzureStorageDatastore, str]

Anlık görüntüyü kaydetmek için hedef veri deposu. Atlanırsa, anlık görüntü çalışma alanının varsayılan depolama alanında oluşturulur.

Döndürülenler

Tür Description
DatasetSnapshot

Veri kümesi anlık görüntüsü nesnesi.

Açıklamalar

Anlık görüntüler, temel alınan verilerin zaman özet istatistiklerini ve verilerin isteğe bağlı bir kopyasını yakalar. Anlık görüntü oluşturma hakkında daha fazla bilgi edinmek için adresine https://aka.ms/azureml/howto/createsnapshotsgidin.

delete_snapshot

Veri kümesinin anlık görüntüsünü ada göre silin.

Uyarı

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
str

Anlık görüntü adı.

Döndürülenler

Tür Description
None

Yok.

Açıklamalar

Artık ihtiyacınız olmayan anlık görüntülerde kaydedilen veriler tarafından tüketilen depolama alanını boşaltmak için bunu kullanın.

deprecate

Çalışma alanındaki etkin bir veri kümesini başka bir veri kümesine göre kullanımdan kaldırın.

Uyarı

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
str

Bu Veri Kümesinin değiştirilmesi amaçlanan Veri Kümesi Kimliği.

Döndürülenler

Tür Description
None

Yok.

Açıklamalar

Kullanım dışı bırakılan Veri Kümeleri, tüketilen uyarıları günlüğe kaydeder. Bir veri kümesinin kullanımdan kaldırılması tüm tanımlarını kullanım dışı bırakmaktadır.

Kullanım dışı bırakılmış Veri Kümeleri yine de kullanılabilir. Bir Veri Kümesinin tüketilmesini tamamen engellemek için bu veri kümesini arşivleyin.

Yanlışlıkla kullanım dışı bırakıldıysa, yeniden etkinleştirme etkinleştirildiğinde etkinleştirilir.

diff

Geçerli Veri Kümesini rhs_dataset ile fark edin.

Uyarı

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
Dataset

Karşılaştırma için sağ taraftaki Veri Kümesi olarak da adlandırılan başka bir Veri Kümesi
compute_target
Gerekli
Union[ComputeTarget, str]

farkını gerçekleştirmek için işlem hedefi. Belirtilmezse, yerel işlem kullanılır.
columns
Gerekli
list[str]

Diff'e dahil edilecek sütun adlarının listesi.

Döndürülenler

Tür Description
DatasetActionRun

Veri kümesi eylemi çalıştırma nesnesi.

from_binary_files

İkili dosyalardan kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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

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 kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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
str

Sütunları bölmek için kullanılan ayırıcı.
header
Gerekli
PromoteHeadersBehavior

Dosyalardan okurken sütun üst bilgilerinin nasıl yükseltilir denetler.
encoding
Gerekli
FileEncoding

Okunan dosyaların kodlaması.
quoting
Gerekli
bool

Tırnak içinde yeni satır karakterlerinin nasıl işleneceğini belirtin. Varsayılan (Yanlış) yeni satır karakterlerini, yeni satır karakterlerinin tırnak içinde olup olmadığına bakılmaksızın yeni satır başlatma olarak yorumlamaktır. True olarak ayarlanırsa, tırnak içindeki yeni satır karakterleri yeni satırlara neden olmaz ve dosya okuma hızı yavaşlar.
infer_column_types
Gerekli
bool

Sütun veri türlerinin çıkarılıp çıkarılmadığını gösterir.
skip_rows
Gerekli
int

Okunan dosyalarda kaç satırın atlandığı.
skip_mode
Gerekli
SkipLinesBehavior

Dosyalardan okurken satırların nasıl atlandığı denetler.
comment
Gerekli
str

Okunan dosyalardaki açıklama satırlarını belirtmek için kullanılan karakter. Bu dizeyle başlayan satırlar atlanır.
include_path
Gerekli
bool

Verilerin okunduğu dosyanın yolunu içeren bir sütun eklenip eklenmeyeceği. Bu, birden çok dosya okurken ve belirli bir kaydın kaynağı olan dosyayı öğrenmek veya dosya yolunda yararlı bilgileri 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 zip'i arşiv türü olarak destekliyoruz. Örneğin,


   archive_options = ArchiveOptions(archive_type = ArchiveType.ZIP, entry_glob = '*10-20.csv')

ZIP'te adı "10-20.csv" ile biten tüm dosyaları okur.
partition_format
Gerekli
str

Yolda bölüm biçimini belirtin ve '{x}' biçiminden ve '{x:yyyy/MM/dd/HH/mm/ss}' biçimindeki tarih saat sütunundan dize sütunları oluşturun; burada 'yyyy', 'MM', 'dd', 'HH', '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'data.csv; burada veriler bölüm adı ve saate göre bölümleniyor, dize türünde 'Department' ve datetime türünde 'PartitionDate' sütunlarını oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.csv' tanımlayabiliriz.

Döndürülenler

Tür Description
Dataset

Veri kümesi nesnesi.

Açıklamalar

Kullanılan seçenekleri denetlemek istediğinizde sınırlandırılmış metin dosyalarını okumak için bu yöntemi kullanın.

Veri Kümesi oluşturduktan sonra, her sütun için algılanan sütun türlerini ve özet istatistikleri listelemek için komutunu kullanmalısınız get_profile .

Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.

from_excel_files

Excel dosyalarından kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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
str

Yüklenecek Excel sayfasının adı. Varsayılan olarak her Excel dosyasından ilk sayfayı okuruz.
use_column_headers
Gerekli
bool

İlk satırın sütun başlığı olarak kullanılıp kullanılmayacağını denetler.
skip_rows
Gerekli
int

Okunan dosyalarda kaç satırın atlandığı.
include_path
Gerekli
bool

Verilerin okunduğu dosyanın yolunu içeren bir sütun eklenip eklenmeyeceği. Bu, birden çok dosya okurken ve belirli bir kaydın kaynağı olan dosyayı öğrenmek veya dosya yolunda yararlı bilgileri tutmak istediğinizde yararlıdır.
infer_column_types
Gerekli
bool

True ise, sütun veri türleri çıkarılır.
partition_format
Gerekli
str

Yolda bölüm biçimini belirtin ve '{x}' biçiminden ve '{x:yyyy/MM/dd/HH/mm/ss}' biçimindeki tarih saat sütunundan dize sütunları oluşturun; burada 'yyyy', 'MM', 'dd', 'HH', '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.xlsx'data.xlsx; burada veriler bölüm adı ve saate göre bölümleniyor, dize türünde 'Department' ve datetime türünde 'PartitionDate' sütunlarını oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.xlsx' tanımlayabiliriz.

Döndürülenler

Tür Description
Dataset

Veri kümesi nesnesi.

Açıklamalar

Excel dosyalarını .xlsx biçimde okumak için bu yöntemi kullanın. Veriler her Excel dosyasındaki bir sayfadan okunabilir. Veri Kümesi oluşturduktan sonra, her sütun için algılanan sütun türlerini ve özet istatistikleri listelemek için komutunu kullanmalısınız get_profile . Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.

from_json_files

JSON dosyalarından kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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 bir yol veya Azure Blob URL'si olabilir. Globbing desteklenir. Örneğin, "data" ile başlayan adla tüm dosyaları okumak için path = "./data*" kullanabilirsiniz.
encoding
Gerekli
FileEncoding

Okunan dosyaların kodlaması.
flatten_nested_arrays
Gerekli
bool

Programın iç içe dizileri işlemesini denetleye özellik. İç içe JSON dizilerini düzleştirmeyi seçerseniz, çok daha fazla sayıda satıra neden olabilir.
include_path
Gerekli
bool

Verilerin okunduğu yolu içeren bir sütun 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
str

Yolda bölüm biçimini belirtin ve '{x}' biçiminden ve '{x:yyyy/MM/dd/HH/mm/ss}' biçimindeki tarih saat sütunundan dize sütunları oluşturun; burada 'yyyy', 'MM', 'dd', 'HH', '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.jsonve veriler bölüm adı ve saatlerine göre bölümlendi, dize türünde 'Department' ve datetime türünde 'PartitionDate' sütunlarını oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.json' tanımlayabiliriz.

Döndürülenler

Tür Description
Dataset

Yerel Veri Kümesi nesnesi.

from_pandas_dataframe

Pandas veri çerçevesinden kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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
DataFrame

Pandas Veri Çerçevesi.
path
Gerekli
Union[DataReference, str]

Kayıtlı veri deposundaki veya yerel klasör yolundaki bir veri yolu.
in_memory
Gerekli
bool

Diskte kalıcı hale getirmek yerine DataFrame'in bellekten okunup okunmayacağı.

Döndürülenler

Tür Description
Dataset

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.

False ise in_memory , Pandas DataFrame yerel olarak bir CSV dosyasına dönüştürülür. DataReference türündeyse pat Pandas çerçevesi veri deposuna yüklenir ve Veri Kümesi DataReference'ı temel alır. ''path' yerel bir klasörse, Veri Kümesi silinemeyen yerel dosyadan oluşturulur.

Geçerli DataReference bir klasör yolu değilse bir özel durum oluşturur.

from_parquet_files

Parquet dosyalarından kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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
bool

Verilerin okunduğu dosyanın yolunu içeren bir sütun eklenip eklenmeyeceği. Bu, birden çok dosya okurken ve belirli bir kaydın kaynağı olan dosyayı öğrenmek veya dosya yolunda yararlı bilgileri tutmak istediğinizde yararlıdır.
partition_format
Gerekli
str

Yolda bölüm biçimini belirtin ve '{x}' biçiminden ve '{x:yyyy/MM/dd/HH/mm/ss}' biçimindeki tarih saat sütunundan dize sütunları oluşturun; burada 'yyyy', 'MM', 'dd', 'HH', '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.parquet' burada veriler bölüm adı ve saatlerine göre bölümlenmiştir. Dize türünde 'Bölüm' ve tarih saat türünde 'BölümTarihi' sütunları oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.parquet' tanımlayabiliriz.

Döndürülenler

Tür Description
Dataset

Veri kümesi nesnesi.

Açıklamalar

Parquet dosyalarını okumak için bu yöntemi kullanın.

Veri Kümesi oluşturduktan sonra, her sütun için algılanan sütun türlerini ve özet istatistikleri listelemek için komutunu kullanmalısınız get_profile .

Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.

from_sql_query

SQL sorgusundan kaydedilmemiş, bellek içi bir Veri Kümesi oluşturun.

Uyarı

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
AzureSqlDatabaseDatastore

Azure SQL veri deposunun ayrıntıları.
query
Gerekli
str

Verileri okumak için yürütülecek sorgu.

Döndürülenler

Tür Description
Dataset

Yerel Veri Kümesi nesnesi.

generate_profile

Veri Kümesi için yeni profil oluşturun.

Uyarı

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
Union[ComputeTarget, str]

Anlık görüntü profili oluşturmayı gerçekleştirmek için isteğe bağlı bir işlem hedefi. Belirtilmezse, yerel işlem kullanılır.
workspace
Gerekli
Workspace

Geçici (kayıtlı olmayan) Veri Kümeleri için gereken çalışma alanı.
arguments
Gerekli
dict[str, object]

Profil bağımsız değişkenleri. Geçerli bağımsız değişkenler şunlardır:

  • Bool türünde 'include_stype_counts'. Değerlerin e-posta adresi, IP Adresi (V4/V6), ABD telefon numarası, ABD posta kodu, Enlem/Boylam gibi bazı iyi bilinen anlam türleri gibi görünüp görünmediğini denetleyin. Bunun etkinleştirilmesi performansı etkiler.

  • int türünde 'number_of_histogram_bins'. Sayısal veriler için kullanılacak histogram bölmelerinin sayısını temsil eder. Varsayılan değer 10'dur.

Döndürülenler

Tür Description
DatasetActionRun

Veri kümesi eylemi çalıştırma nesnesi.

Açıklamalar

Zaman uyumlu çağrı, tamamlanana kadar engellenir. Eylemin sonucunu almak için çağrısı get_result .

get

Adını veya kimliğini belirterek çalışma alanında zaten var olan bir Veri Kümesini alın.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

bunun yerine ve'i get_by_name kullanmanızı get_by_id öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

static get(workspace, name=None, id=None)

Parametreler

Name Description
workspace
Gerekli
Workspace

Veri Kümesinin oluşturulduğu mevcut AzureML çalışma alanı.
name
Gerekli
str

Alınacak Veri Kümesinin adı.
id
Gerekli
str

Çalışma alanındaki Veri Kümesinin benzersiz tanımlayıcısı.

Döndürülenler

Tür Description
Dataset

Belirtilen ada veya kimliğine sahip Veri Kümesi.

Açıklamalar

veya namesağlayabilirsinizid. Şu durumlarda bir özel durum oluşur:

  • hem hem de nameid belirtilir ancak eşleşmiyor.

  • belirtilen name veya id ile veri kümesi çalışma alanında bulunamıyor.

get_all

Çalışma alanındaki tüm kayıtlı veri kümelerini alın.

get_all()

Parametreler

Name Description
workspace
Gerekli
Workspace

Veri Kümelerinin kaydedildiği mevcut AzureML çalışma alanı.

Döndürülenler

Tür Description
dict[str, Union[TabularDataset, FileDataset]]

Kayıt adıyla anahtarlanan TabularDataset ve FileDataset nesnelerinin sözlüğü.

get_all_snapshots

Veri Kümesinin tüm anlık görüntülerini alın.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

get_all_snapshots()

Döndürülenler

Tür Description
list[DatasetSnapshot]

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
Workspace

Veri Kümesinin kaydedildiği mevcut AzureML çalışma alanı.
id
Gerekli
str

Veri kümesinin kimliği.

Döndürülenler

Tür Description
Union[TabularDataset, FileDataset]

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
Workspace

Veri Kümesinin kaydedildiği mevcut AzureML çalışma alanı.
name
Gerekli
str

Kayıt adı.
version
Gerekli
int

Kayıt sürümü. Varsayılan olarak 'en son' olarak gösterilir.

Döndürülenler

Tür Description
Union[TabularDataset, FileDataset]

Kayıtlı veri kümesi nesnesi.

get_definition

Veri Kümesinin belirli bir tanımını alın.

Uyarı

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
str

Veri Kümesi tanımının sürüm kimliği

Döndürülenler

Tür Description
DatasetDefinition

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.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

get_definitions()

Döndürülenler

Tür Description
dict[str, DatasetDefinition]

Veri kümesi tanımları sözlüğü.

Açıklamalar

AzureML çalışma alanına kayıtlı bir Veri kümesinde, her birinin 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.

Uyarı

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
dict[str, object]

Profil bağımsız değişkenleri.
generate_if_not_exist
Gerekli
bool

Yoksa profil oluşturulup oluşturulmayacağını gösterir.
workspace
Gerekli
Workspace

Geçici (kayıtlı olmayan) Veri Kümeleri için gereken çalışma alanı.
compute_target
Gerekli
Union[ComputeTarget, str]

Profil eylemini yürütmek için bir işlem hedefi.

Döndürülenler

Tür Description
<xref:azureml.dataprep.DataProfile>

Veri Kümesinin DataProfile'i.

Açıklamalar

Azure Machine Learning çalışma alanına kayıtlı bir Veri Kümesi için bu yöntem, hala geçerliyse çağırarak get_profile daha önce oluşturulmuş mevcut bir profili alır. Veri kümesinde değiştirilen veriler algılandığında profiller geçersiz kılınıyor veya için bağımsız değişkenler get_profile profil oluşturulurken kullanılanlardan farklı. 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.

Uyarı

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
str

Anlık görüntü adı.

Döndürülenler

Tür Description
DatasetSnapshot

Veri kümesi anlık görüntüsü nesnesi.

head

Bu Veri Kümesinden belirtilen kayıt sayısını çekin ve bunları DataFrame olarak döndürür.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

head(count)

Parametreler

Name Description
count
Gerekli
int

Çekecek kayıt sayısı.

Döndürülenler

Tür Description
DataFrame

A Pandas DataFrame.

list

Özelliği False'a eşit olanlar da dahil olmak üzere çalışma alanındaki tüm Veri Kümelerini is_visible listeleyin.

Uyarı

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
Workspace

Veri Kümeleri listesini almak istediğiniz çalışma alanı.

Döndürülenler

Tür Description
list[Dataset]

Veri kümesi nesnelerinin listesi.

reactivate

Arşivlenmiş veya kullanım dışı bırakılmış bir veri kümesini yeniden etkinleştirme.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

reactivate()

Döndürülenler

Tür Description
None

Yok.

register

Veri Kümesini çalışma alanına kaydederek çalışma alanının diğer kullanıcılarının kullanımına açın.

Uyarı

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
Workspace

Veri kümesinin kaydedildiği AzureML çalışma alanı.
name
Gerekli
str

Çalışma alanındaki Veri Kümesinin adı.
description
Gerekli
str

Veri Kümesinin açıklaması.
tags
Gerekli
dict[str, str]

Veri Kümesi ile ilişkilendirilecek etiketler.
visible
Gerekli
bool

Veri Kümesinin kullanıcı arabiriminde görünür olup olmadığını gösterir. False ise Veri Kümesi kullanıcı arabiriminde gizlenir ve SDK aracılığıyla kullanılabilir.
exist_ok
Gerekli
bool

True ise, yöntem veri kümesi verilen çalışma alanında zaten varsa veri kümesini döndürür, aksi takdirde hata.
update_if_exist
Gerekli
bool

exist_ok True ve update_if_exist True ise, bu yöntem tanımı güncelleştirir ve güncelleştirilmiş Veri Kümesini döndürür.

Döndürülenler

Tür Description
Dataset

Çalışma alanında kayıtlı bir Veri Kümesi nesnesi.

sample

Sağlanan örnekleme stratejisini ve parametreleri kullanarak kaynak Veri Kümesinden yeni bir örnek oluşturun.

Uyarı

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
str

Kullanılacak örnek strateji. Kabul edilen değerler "top_n", "simple_random" veya "katmanlı" değerlerdir.
arguments
Gerekli
dict[str, object]

Yukarıda gösterilen listede "İsteğe bağlı bağımsız değişkenden" anahtarlar ve tye "Type" sütunundan değerler içeren bir sözlük. Yalnızca ilgili örnekleme yönteminden bağımsız değişkenler kullanılabilir. Örneğin, "simple_random" örnek türü için yalnızca "olasılık" ve "tohum" anahtarlarıyla bir sözlük belirtebilirsiniz.

Döndürülenler

Tür Description
Dataset

Özgün veri kümesinin bir örneği olarak veri kümesi nesnesi.

Açıklamalar

Örnekler, bu Veri Kümesi tarafından tanımlanan dönüştürme işlem hattı yürütülerek ve ardından çıktı 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 seçilme olasılığı eşit olan 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: 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.

Uyarı

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
DataFrame

A Pandas DataFrame.

Açıklamalar

Tam olarak bellekte gerçekleştirilmiş bir Pandas DataFrame döndürür.

to_spark_dataframe

Bu Veri Kümesi tanımı tarafından tanımlanan dönüştürme işlem hattını yürütebilen bir Spark DataFrame oluşturun.

Uyarı

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
DataFrame

A Spark DataFrame.

Açıklamalar

Döndürülen Spark Veri Çerçevesi yalnızca bir yürütme planıdır ve Spark Veri Çerçeveleri gevşek bir şekilde değerlendirildiğinden aslında herhangi bir veri içermez.

update

Çalışma alanındaki Veri kümesi değiştirilebilir özniteliklerini güncelleştirin ve çalışma alanından güncelleştirilmiş Veri Kümesini döndürin.

Uyarı

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
str

Çalışma alanındaki Veri Kümesinin adı.
description
Gerekli
str

Verilerin açıklaması.
tags
Gerekli
dict[str, str]

Veri Kümesini ilişkilendirilecek etiketler.
visible
Gerekli
bool

Veri Kümesinin kullanıcı arabiriminde görünür olup olmadığını gösterir.

Döndürülenler

Tür Description
Dataset

Çalışma alanından güncelleştirilmiş bir Veri Kümesi nesnesi.

update_definition

Veri kümesi tanımını güncelleştirin.

Uyarı

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
DatasetDefinition

Bu Veri Kümesinin yeni tanımı.
definition_update_message
Gerekli
str

Tanım güncelleştirme iletisi.

Döndürülenler

Tür Description
Dataset

Çalışma alanından güncelleştirilmiş bir Veri Kümesi nesnesi.

Açıklamalar

Güncelleştirilmiş Veri Kümesini kullanmak için bu yöntem tarafından döndürülen nesneyi kullanın.

Öznitelikler

definition

Geçerli Veri Kümesi tanımını döndürür.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

Döndürülenler

Tür Description
DatasetDefinition

Veri kümesi tanımı.

Açıklamalar

Veri kümesi tanımı, verilerin nasıl okunacağını ve dönüştürüleceğini belirten bir dizi adımdır.

AzureML çalışma alanına kayıtlı bir Veri kümesinde, her birinin 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.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

Döndürülenler

Tür Description
str

Veri kümesi tanımı sürümü.

Açıklamalar

Veri kümesi tanımı, verilerin nasıl okunacağını ve dönüştürüleceğini belirten bir dizi adımdır.

AzureML çalışma alanına kayıtlı bir Veri kümesinde, her birinin 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
str

Veri kümesi açıklaması.

Açıklamalar

Veri Kümesindeki verilerin açıklamasının belirtilmesi, çalışma alanı kullanıcılarının verilerin neyi temsil ettiği ve bunları nasıl kullanabileceğini anlamasına olanak tanır.

id

Veri Kümesi bir çalışma alanına kaydedildiyse Veri Kümesinin kimliğini döndürür. Aksi takdirde Hiçbiri'ne dönün.

Döndürülenler

Tür Description
str

Veri Kümesi Kimliği.

is_visible

Azure ML çalışma alanı kullanıcı arabiriminde kayıtlı veri kümesinin görünürlüğünü denetleyin.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

Döndürülenler

Tür Description
bool

Veri kümesi görünürlüğü.

Açıklamalar

Döndürülen değerler:

  • Doğru: Veri kümesi çalışma alanı kullanıcı arabiriminde görünür. Varsayılan.

  • Yanlış: Veri kümesi çalışma alanı kullanıcı arabiriminde gizlidir.

Kayıtlı olmayan Veri Kümeleri üzerinde hiçbir etkisi yoktur.

name

Veri kümesi adını döndürür.

Döndürülenler

Tür Description
str

Veri kümesi adı.

state

Veri Kümesinin durumunu döndürür.

Uyarı

Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.

Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.

Döndürülenler

Tür Description
str

Veri kümesi durumu.

Açıklamalar

Durumların anlamı ve etkisi aşağıdaki gibidir:

  • Etkin. Etkin tanımlar tam olarak göründüğü gibidir, tüm eylemler etkin tanımlar üzerinde gerçekleştirilebilir.

  • Kullanımdan kaldırıldı. kullanım dışı bırakılmış tanım kullanılabilir, ancak temel alınan verilere her erişildiğinde günlüklerde bir uyarının günlüğe kaydedilmesine neden olur.

  • Arşivlenmiş. Arşivlenmiş bir tanım herhangi bir eylem gerçekleştirmek için kullanılamaz. Arşivlenmiş bir tanımda eylem gerçekleştirmek için yeniden etkinleştirilmesi gerekir.

tags

Veri Kümesi ile ilişkili etiketleri döndürün.

Döndürülenler

Tür Description
dict[str, str]

Veri kümesi etiketleri.

workspace

Veri Kümesi bir çalışma alanına kaydedildiyse, bunu döndürebilirsiniz. Aksi takdirde Hiçbiri'ne dönün.

Döndürülenler

Tür Description
Workspace

Çalışma alanı.

Tabular

Oluşturmak için fabrika FileDataset

diğer adı TabularDatasetFactory