使用Adobe Experience PlatformPlatform SDK进行模型创作

本教程提供有关将data_access_sdk_python转换为Python和R中新的Python platform_sdk的信息。本教程提供有关以下操作的信息：

• 构建身份验证
• 数据的基本读取
• 基本数据写入

构建身份验证

对Adobe Experience Platform进行调用需要身份验证，由API密钥、IMS组织ID、用户令牌和服务令牌组成。

Python

如果您使用Jupyter Notebook，请使用下面的代码构建client_context:

client_context = PLATFORM_SDK_CLIENT_CONTEXT

如果您没有使用Jupyter Notebook，或者您需要更改IMS组织，请使用以下代码示例：

from platform_sdk.client_context import ClientContext
client_context = ClientContext(api_key={API_KEY},
              org_id={IMS_ORG},
              user_token={USER_TOKEN},
              service_token={SERVICE_TOKEN})

R

如果您使用Jupyter Notebook，请使用下面的代码构建client_context:

library(reticulate)
use_python("/usr/local/bin/ipython")
psdk <- import("platform_sdk")

py_run_file("../.ipython/profile_default/startup/platform_sdk_context.py")
client_context <- py$PLATFORM_SDK_CLIENT_CONTEXT

如果您没有使用Jupyter Notebook，或者您需要更改IMS组织，请使用以下代码示例：

library(reticulate)
use_python("/usr/local/bin/ipython")
psdk <- import("platform_sdk")
client_context <- psdk$client_context$ClientContext(api_key={API_KEY},
              org_id={IMS_ORG},
              user_token={USER_TOKEN},
              service_token={SERVICE_TOKEN})

数据的基本读取

使用新的Platform SDK，最大读取大小为32 GB，最长读取时间为10分钟。

如果您的读取时间过长，您可以尝试使用以下筛选选项之一：

• 按偏移和限制筛选数据
• 按日期筛选数据
• 按列过滤数据
• 获取排序结果

Python

要读取Python中的数据，请使用下面的代码示例：

from platform_sdk.dataset_reader import DatasetReader
dataset_reader = DatasetReader(client_context, "{DATASET_ID}")
df = dataset_reader.limit(100).read()
df.head()

R

要在R中读取数据，请使用下面的代码示例：

DatasetReader <- psdk$dataset_reader$DatasetReader
dataset_reader <- DatasetReader(client_context, "{DATASET_ID}") 
df <- dataset_reader$read() 
df

按偏移和限制筛选

由于不再支持按批ID过滤，因此，要对数据进行范围读取，您需要使用offset和limit。

Python

df = dataset_reader.limit(100).offset(1).read()
df.head

R

df <- dataset_reader$limit(100L)$offset(1L)$read() 
df

按日期过滤

日期筛选的粒度现在由时间戳定义，而不是按日设置。

Python

df = dataset_reader.where(\
    dataset_reader['timestamp'].gt('2019-04-10 15:00:00').\
    And(dataset_reader['timestamp'].lt('2019-04-10 17:00:00'))\
).read()
df.head()

R

df2 <- dataset_reader$where(
    dataset_reader['timestamp']$gt('2018-12-10 15:00:00')$
    And(dataset_reader['timestamp']$lt('2019-04-10 17:00:00'))
)$read()
df2

新的Platform SDK支持以下操作：

按选定列进行筛选

要进一步细化数据读取，还可以按列名进行筛选。

Python

df = dataset_reader.select(['column-a','column-b']).read()

R

df <- dataset_reader$select(c('column-a','column-b'))$read() 

获取排序结果

接收的结果可以按目标数据集的指定列和其顺序(asc/desc)分别排序。

在以下示例中，数据帧按“column-a”首先以升序顺序排序。 对“column-a”具有相同值的行随后按“column-b”以降序排序。

Python

df = dataset_reader.sort([('column-a', 'asc'), ('column-b', 'desc')])

R

df <- dataset_reader$sort(c(('column-a', 'asc'), ('column-b', 'desc')))$read()

数据的基本写入

要在Python和R中写入数据，请使用以下示例之一：

Python

from platform_sdk.models import Dataset
from platform_sdk.dataset_writer import DatasetWriter

dataset = Dataset(client_context).get_by_id("{DATASET_ID}")
dataset_writer = DatasetWriter(client_context, dataset)
write_tracker = dataset_writer.write({PANDA_DATAFRAME}, file_format='json')

R

dataset <- psdk$models$Dataset(client_context)$get_by_id("{DATASET_ID}")
dataset_writer <- psdk$dataset_writer$DatasetWriter(client_context, dataset)
write_tracker <- dataset_writer$write({PANDA_DATAFRAME}, file_format='json')

后续步骤

配置platform_sdk数据加载器后，将准备数据，然后将其拆分到train和val数据集。 要了解数据准备和功能工程，请访问教程中关于数据准备和功能工程的部分，该部分用于使用JupyterLab笔记本创建菜谱。