快速入门：通过 SQL 机器学习使用 Python 时的数据结构和对象

项目
05/30/2023

适用于： SQL Server 2017 (14.x) 及更高版本 Azure SQL 托管实例

本快速入门介绍在 SQL Server 机器学习服务、Azure SQL 托管实例机器学习服务中或 SQL Server 大数据群集上使用 Python 时如何使用数据结构和数据类型。你将了解如何在 Python 与 SQL Server 之间移动数据，以及可能出现的常见问题。

SQL 机器学习依赖于 Python 的 pandas 包，该包非常适合处理表格数据。但是，不能将标量从 Python 传递到数据库并期望它“正常运行”。在本快速入门中，你将回顾一些基本的数据结构定义，以便为在 Python 和数据库之间传递表格数据时可能遇到的其他问题做好准备。

需预先了解的概念包括：

数据帧是包含多列的表。
数据帧的单列是一个类似于列表的对象，称为“序列”。
数据帧的单个值称为单元格，并由索引访问。

如果数据帧需要表格结构，那么如何将计算的单个结果公开为数据帧？一种答案是将单个标量值表示为一个序列，该序列很容易转换为数据帧。

注意

返回日期时，SQL 中的 Python 使用 DATETIME，其受限制的日期范围是 1753-01-01(-53690) 到 9999-12-31(2958463)。

先决条件

若要运行本快速入门，需要具备以下先决条件。

以下平台之一上的 SQL 数据库：
- SQL Server 机器学习服务。如需安装，请参阅 Windows 安装指南或 Linux 安装指南。
- SQL Server 大数据群集。了解如何在 SQL Server 大数据群集上启用机器学习服务。
- Azure SQL 托管实例机器学习服务。有关信息，请参阅 Azure SQL 托管实例机器学习服务概述。
用于运行包含 Python 脚本的 SQL 查询的工具。本快速入门使用 Azure Data Studio。

作为序列的标量值

此示例执行一些简单的数学运算，并将标量转换成序列。

序列需要索引，可以手动分配，如图所示，或以编程方式分配。

EXECUTE sp_execute_external_script @language = N'Python'
    , @script = N'
a = 1
b = 2
c = a/b
print(c)
s = pandas.Series(c, index =["simple math example 1"])
print(s)
'

由于序列尚未转换为数据帧，因此将在“消息”窗口中返回值，但你可以看到结果的格式更为表格化。

结果

STDOUT message(s) from external script: 
0.5
simple math example 1    0.5
dtype: float64

要增加序列的长度，可以使用数组添加新值。

EXECUTE sp_execute_external_script @language = N'Python'
    , @script = N'
a = 1
b = 2
c = a/b
d = a*b
s = pandas.Series([c,d])
print(s)
'

如果未指定索引，则会生成一个索引，其值以 0 开头，以数组长度结尾。

结果

STDOUT message(s) from external script:
0    0.5
1    2.0
dtype: float64

如果增加索引值的数目，但不添加新的数据值，则将重复使用数据值来填充序列。

EXECUTE sp_execute_external_script @language = N'Python'
    , @script = N'
a = 1
b = 2
c = a/b
s = pandas.Series(c, index =["simple math example 1", "simple math example 2"])
print(s)
'

结果

STDOUT message(s) from external script:
0.5
simple math example 1    0.5
simple math example 2    0.5
dtype: float64

将序列转换为数据帧

将标量数学结果转换为表格结构后，仍需将其转换为 SQL 机器学习可以处理的格式。

若要将序列转换为数据帧，请调用 pandas 数据帧方法。

EXECUTE sp_execute_external_script @language = N'Python'
    , @script = N'
import pandas as pd
a = 1
b = 2
c = a/b
d = a*b
s = pandas.Series([c,d])
print(s)
df = pd.DataFrame(s)
OutputDataSet = df
'
WITH RESULT SETS((ResultValue FLOAT))

结果如下所示。即使使用索引从数据帧中获取特定值，索引值也不是输出的一部分。

结果

ResultValue
0.5
2

将值输出到数据帧中

现在，你将在数据帧中输出两个数学结果序列中的特定值。第一个是由 Python 生成的序列值索引。第二个使用字符串值的任意索引。

以下示例使用整数索引从序列中获取值。

EXECUTE sp_execute_external_script @language = N'Python'
    , @script = N'
import pandas as pd
a = 1
b = 2
c = a/b
d = a*b
s = pandas.Series([c,d])
print(s)
df = pd.DataFrame(s, index=[1])
OutputDataSet = df
'
WITH RESULT SETS((ResultValue FLOAT))

结果

ResultValue
2.0

请记住，自动生成的索引从 0 开始。尝试使用超出范围的索引值并查看发生的情况。

现在使用字符串索引从另一个数据帧中获取单个值。

EXECUTE sp_execute_external_script @language = N'Python'
    , @script = N'
import pandas as pd
a = 1
b = 2
c = a/b
s = pandas.Series(c, index =["simple math example 1", "simple math example 2"])
print(s)
df = pd.DataFrame(s, index=["simple math example 1"])
OutputDataSet = df
'
WITH RESULT SETS((ResultValue FLOAT))

结果

ResultValue
0.5

如果试图使用数字索引从该序列中获取值，则会出现错误。

后续步骤

若要了解如何通过 SQL 机器学习编写高级 Python 函数，请参阅以下快速入门：

编写高级 Python 函数

通过