教學課程：在 Azure Machine Learning 中上傳、存取及探索您的資料

適用於：Python SDK azure-ai-ml v2 (目前)

在本教學課程中，您會：

將資料上傳至雲端儲存體
建立 Azure Machine Learning 資料資產
在筆記本中存取資料，以進行互動式開發
建立新版本的資料資產

機器學習專案通常會從探勘數據分析（EDA）、數據前置處理（清理、特徵工程）和建置機器學習模型原型開始，以驗證假設。此原型設計項目階段具有高度互動性，並可讓您使用 Python 互動式主控台在 IDE 或 Jupyter 筆記本中開發。本教學課程說明這些概念。

先決條件

若要使用 Azure Machine Learning，您需要工作區。如果您沒有工作區，請完成建立要開始使用所需要的資源以建立工作區，並深入了解其使用方式。

重要事項

如果您的 Azure Machine Learning 工作區已設定有受控虛擬網路，您可能需要新增輸出規則，以允許存取公用 Python 套件存放庫。如需詳細資訊，請參閱案例：存取公用機器學習套件。
登入工作室，並選取您的工作區 (如果其尚未開啟的話)。
在工作區開啟或建立筆記本：
- 如果您想要複製程式碼並將其貼入儲存格中，請建立新的筆記本。
- 或者，從工作室的 [範例] 區段開啟 tutorials/get-started-notebooks/explore-data.ipynb。然後選取 [複製] 以將筆記本新增至 [檔案]。若要尋找樣本筆記本，請參閱從樣本筆記本學習。

設定您的核心並在 Visual Studio Code (VS Code) 中開啟

在開啟的筆記本上方的頂端列上，如果您還沒有計算執行個體，請建立計算執行個體。
如果計算執行個體已停止，請選取 [啟動計算]，並等到其執行為止。
等候計算執行個體處於執行中狀態。然後確定位於右上方的核心是 Python 3.10 - SDK v2。如果沒有，請使用下拉式清單來選取此核心。

如果您沒有看到此核心，請驗證您的計算執行個體是否執行中。如果是，請選取筆記本右上方的 [重新整理] 按鈕。
如果您看到橫幅指出您需要進行驗證，請選取 [驗證]。
您可以在此執行筆記本，或在 VS Code 中予以開啟，以取得包含 Azure Machine Learning 資源強大功能的完全整合式開發環境 (IDE)。選取 [在 VS Code 中開啟]，然後選取 Web 或桌面選項。以這種方式啟動時，VS Code 會附加至您的計算執行個體、核心和工作區檔案系統。

重要事項

本教學課程的其餘部分包含教學課程筆記本的儲存格。複製它們並將其貼入新的筆記本中，或者如果您已複製筆記本，請立即切換至該筆記本。

下載本教學課程中使用的資料

針對數據擷取，Azure 數據總管會以這些格式處理原始數據。本教學課程使用 CSV 格式的信用卡用戶端數據範例。這些步驟會在 Azure Machine Learning 資源中執行。在該資源中，您直接在此筆記本所在的資料夾下建立本機資料夾，其中具有建議的 data 名稱。

附註

本教學課程取決於 Azure Machine Learning 資源資料夾位置中放置的資料。在本教學課程中，'local' 指的是該 Azure Machine Learning 資源中的資料夾位置。

選取三個點下方的 [開啟終端機]，如下圖所示：
終端機視窗會在新的索引標籤開啟。
請務必將目錄（cd）變更為此筆記本所在的相同資料夾。例如，如果筆記本位於名為 get-started-notebooks 的資料夾：
```
cd get-started-notebooks    # modify this to the path where your notebook is located
```

在終端機視窗中輸入下列命令，將資料複製到計算執行個體：

mkdir data
cd data                     # the subfolder where you'll store the data
wget https://azuremlexamples.blob.core.windows.net/datasets/credit_card/default_of_credit_card_clients.csv

您現在可以關閉終端機視窗。

如需 UC Irvine Machine Learning Repository 中資料的詳細資訊，請造訪此資源。

建立工作區的控制代碼

在探索程式碼之前，您需要一種方式來參考您的工作區。您建立 ml_client 作為工作區的控制代碼。您接著會使用 ml_client 來管理資源和作業。

在下一個資料格中，輸入您的訂用帳戶識別碼、資源群組名稱和工作區名稱。若要尋找這些值：

在右上方的 Azure Machine Learning 工作室工具列中，選取您的工作區名稱。
將工作區、資源群組和訂用帳戶識別碼的值複製到程式碼。
您必須個別複製每個值，一次一個。關閉區域、貼上值，然後繼續下一個區域。

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential
from azure.ai.ml.entities import Data
from azure.ai.ml.constants import AssetTypes

# authenticate
credential = DefaultAzureCredential()

# Get a handle to the workspace
ml_client = MLClient(
    credential=credential,
    subscription_id="<SUBSCRIPTION_ID>",
    resource_group_name="<RESOURCE_GROUP>",
    workspace_name="<AML_WORKSPACE_NAME>",
)

附註

建立 MLClient 不會連線至工作區。用戶端初始化作業是緩慢的，會等第一次它所需要的時間到時才會進行呼叫。這會在下一個程式代碼數據格中發生。

將資料上傳至雲端儲存體

Azure Machine Learning 會使用統一資源識別項 (URI)，其指向雲端中的儲存體位置。 URI 可讓您輕鬆地存取筆記本和作業中的資料。數據 URI 格式類似於您在網頁瀏覽器中用來存取網頁的 Web URL。例如：

從公用 https 伺服器存取資料：https://<account_name>.blob.core.windows.net/<container_name>/<folder>/<file>
從 Azure Data Lake Gen 2 存取資料：abfss://<file_system>@<account_name>.dfs.core.windows.net/<folder>/<file>

Azure Machine Learning 資料資產類似於網頁瀏覽器書籤 (我的最愛)。您可以建立數據資產，然後以易記名稱存取該資產，而不是記住指向您最常使用之數據的長記憶體路徑（URI）。

建立資料資產也會建立資料來源位置的參考，以及其中繼資料的複本。因為數據會保留在其現有位置，因此您不會產生額外的記憶體成本，而且不會有數據源完整性的風險。您可以從 Azure Machine Learning 資料存放區、Azure 記憶體、公用 URL 和本機檔案建立數據資產。

秘訣

針對較小的數據上傳，Azure Machine Learning 數據資產建立非常適合將數據從本機計算機資源上傳至雲端記憶體。此方法可避免需要額外的工具或公用程式。不過，較大的數據上傳可能需要專用的工具或公用程式，例如 azcopy。 azcopy 命令行工具會將資料移入 Azure 儲存體，以及從 Azure 儲存體中移出資料。如需 azcopy 的詳細資訊，請參閱開始使用 AzCopy。

下一個筆記本資料格會建立資料資產。程式碼範例會將未經處理資料檔案上傳至指定的雲端儲存空間資源。

每次建立資料資產時，都需要為其製作唯一版本。如果版本已經存在，您會收到錯誤訊息。在此程式代碼中，您會使用「初始」來讀取數據。如果該版本已經存在，程式代碼就不會重新建立。

您也可以省略 version 參數。在此情況下，會為您產生版本號碼，從 1 開始，並從該處遞增。

本教學課程會使用名稱 "initial" 作為第一個版本。建立生產機器學習管線教學課程也會使用此版本的資料，因此您會使用將在該教學課程中再次看到的值。

from azure.ai.ml.entities import Data
from azure.ai.ml.constants import AssetTypes

# Update the 'my_path' variable to match the location of where you downloaded the data on your
# local filesystem

my_path = "./data/default_of_credit_card_clients.csv"
# Set the version number of the data asset
v1 = "initial"

my_data = Data(
    name="credit-card",
    version=v1,
    description="Credit card data",
    path=my_path,
    type=AssetTypes.URI_FILE,
)

## Create data asset if it doesn't already exist:
try:
    data_asset = ml_client.data.get(name="credit-card", version=v1)
    print(
        f"Data asset already exists. Name: {my_data.name}, version: {my_data.version}"
    )
except:
    ml_client.data.create_or_update(my_data)
    print(f"Data asset created. Name: {my_data.name}, version: {my_data.version}")

若要檢查上傳的數據，請在左側導覽功能表的 [資產] 區段中選取 [數據]。即會上傳資料並建立資料資產：

螢幕擷取畫面顯示工作室中的資料。

此數據命名為 信用卡。在 [ 數據資產] 索引標籤中，您可以在 [ 名稱 ] 資料行中看到它。

Azure Machine Learning 資料存放區是 Azure 上現有儲存體帳戶的參考。資料存放區提供下列優點：

常見且易於使用的 API，可與不同的記憶體類型互動：
- Azure Data Lake Storage
- 塊狀物
- 檔案儲存體
和驗證方法互動。
在小組工作時探索實用數據存放區的簡單方式。
在指令碼中，提供隱藏認證型資料存取連線資訊的方法 (服務主體/SAS/金鑰)。

存取筆記本中的資料

您想要為經常存取的數據建立數據資產。您可以使用 URI 來存取資料，如從資料存放區 URI 存取資料中所述，例如檔案系統。不過，如先前所述，很難記住這些 URI。

替代方案是使用 azureml-fsspec 庫，其提供 Azure Machine Learning 資料存取庫的檔案系統介面。這是在 Pandas 中存取 CSV 檔案的較簡單方式：

重要事項

在 Notebook 資料格中，執行此程式碼以在 Jupyter 核心中安裝 azureml-fsspec Python 程式庫：

%pip install -U azureml-fsspec

import pandas as pd

# Get a handle of the data asset and print the URI
data_asset = ml_client.data.get(name="credit-card", version=v1)
print(f"Data asset URI: {data_asset.path}")

# Read into pandas - note that you will see 2 headers in your data frame - that is ok, for now

df = pd.read_csv(data_asset.path)
df.head()

如需筆記本中數據存取的詳細資訊，請參閱在互動式開發期間從 Azure 雲端記憶體存取數據。

建立新版本的資料資產

數據需要一些輕清理，使其適合定型機器學習模型。其中包含：

兩個標頭
不會用作機器學習特徵的客戶端識別碼欄位
回應變數名稱中的空格

此外，相較於 CSV 格式，Parquet 檔案格式是儲存此數據的最佳方式。 Parquet 提供壓縮並維護結構描述。若要清理數據，並以 Parquet 格式儲存資料：

# Read in data again, this time using the 2nd row as the header
df = pd.read_csv(data_asset.path, header=1)
# Rename column
df.rename(columns={"default payment next month": "default"}, inplace=True)
# Remove ID column
df.drop("ID", axis=1, inplace=True)

# Write file to filesystem
df.to_parquet("./data/cleaned-credit-card.parquet")

下表顯示先前步驟所下載之原始 default_of_credit_card_clients.csv 檔案中的數據結構。上傳的資料包含 23 個解釋變數和 1 個回應變數，如下所示：

資料行名稱	變數類型	描述
X1	解釋	指定的信用額度金額 (新臺幣)：包括個人消費者的信用額度及其家庭 (附屬) 信用額度。
X2	解釋	性別 (1 = 男性；2 = 女性)。
X3	解釋	教育 (1 = 研究生；2 = 大學；3 = 高中；4 = 其他)。
X4	解釋	婚姻狀況 (1 = 已婚；2 = 單身；3 = 其他)。
X5	解釋	年齡 (歲)。
X6-X11	解釋	過去付款的歷程記錄。過去每月付款記錄追蹤自 2005 年 4 月至 9 月。 -1 = 準時付款；1 = 付款延遲一個月；2 = 付款延遲兩個月； . ；8 = 付款延遲八個月；9 = 付款延遲九個月以上。
X12-17	解釋	2005 年 4 月至 9 月的對帳單金額 (新臺幣)。
X18-23	解釋	2005 年 4 月至 9 月的先前付款金額 (新臺幣)。
是	回應	預設付款 (是 = 1，否 = 0)

接下來，建立數據資產的新版本。數據會自動上傳至雲端記憶體。針對此版本，請新增時間值，以便每次執行此程式代碼時，都會建立不同的版本號碼。

from azure.ai.ml.entities import Data
from azure.ai.ml.constants import AssetTypes
import time

# Next, create a new version of the data asset (the data is automatically uploaded to cloud storage):
v2 = "cleaned" + time.strftime("%Y.%m.%d.%H%M%S", time.gmtime())
my_path = "./data/cleaned-credit-card.parquet"

# Define the data asset, and use tags to make it clear the asset can be used in training

my_data = Data(
    name="credit-card",
    version=v2,
    description="Default of credit card clients data.",
    tags={"training_data": "true", "format": "parquet"},
    path=my_path,
    type=AssetTypes.URI_FILE,
)

## Create the data asset

my_data = ml_client.data.create_or_update(my_data)

print(f"Data asset created. Name: {my_data.name}, version: {my_data.version}")

整理的 Parquet 檔案是最新版本的資料來源。此程式碼會先顯示 CSV 版本結果集，然後顯示 Parquet 版本：

import pandas as pd

# Get a handle of the data asset and print the URI
data_asset_v1 = ml_client.data.get(name="credit-card", version=v1)
data_asset_v2 = ml_client.data.get(name="credit-card", version=v2)

# Print the v1 data
print(f"V1 Data asset URI: {data_asset_v1.path}")
v1df = pd.read_csv(data_asset_v1.path)
print(v1df.head(5))

# Print the v2 data
print(
    "_____________________________________________________________________________________________________________\n"
)
print(f"V2 Data asset URI: {data_asset_v2.path}")
v2df = pd.read_parquet(data_asset_v2.path)
print(v2df.head(5))

清除資源

如果您打算立即繼續進行其他教學課程，請跳至後續步驟。

停止計算執行個體

如果現在不打算使用，請停止計算執行個體：

在 Studio 的左窗格中，選取 [計算]。
在頂端索引標籤中，選取 [計算實例]。
選取清單中的計算執行個體。
在頂端工具列中，選取 [停止]。

刪除所有資源

重要事項

您所建立的資源可用來作為其他 Azure Machine Learning 教學課程和操作說明文章的先決條件。

如果不打算使用您建立的任何資源，請刪除以免產生任何費用：

在 Azure 入口網站的搜尋方塊中，輸入 [資源群組]，然後從結果中選取它。
從清單中，選取您所建立的資源群組。
在 [概觀] 頁面上，選取 [刪除資源群組]。
輸入資源群組名稱。然後選取 [刪除]。

後續步驟

如需數據資產的詳細資訊，請參閱建立數據資產。

如需數據存放區的詳細資訊，請參閱建立數據存放區。

繼續進行下一個教學課程，以了解如何開發定型指令碼：

雲端工作站上的模型開發

意見反應

此頁面對您有幫助嗎？

Last updated on 2025-08-14

共用方式為

教學課程：在 Azure Machine Learning 中上傳、存取及探索您的資料

先決條件

設定您的核心並在 Visual Studio Code (VS Code) 中開啟

下載本教學課程中使用的資料

建立工作區的控制代碼

將資料上傳至雲端儲存體

存取筆記本中的資料

建立新版本的資料資產

清除資源

停止計算執行個體

刪除所有資源

後續步驟

意見反應

其他資源