使用Adobe Experience Platform进行模型创作 Platform SDK
本教程将为您提供有关转换的信息 data_access_sdk_python 新蟒蛇队 platform_sdk 在Python和R中。本教程提供了有关以下操作的信息：
构建身份验证
需要进行身份验证才能调用 Adobe Experience Platform，由API密钥、IMS组织ID、用户令牌和服务令牌组成。
Python
如果您使用的是Jupyter Notebook，请使用以下代码构建 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={ORG_ID},
user_token={USER_TOKEN},
service_token={SERVICE_TOKEN})
R
如果您使用的是Jupyter Notebook，请使用以下代码构建 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$ClientContext(api_key={API_KEY},
org_id={ORG_ID},
user_token={USER_TOKEN},
service_token={SERVICE_TOKEN})
数据的基本读取
使用 Platform SDK，最大读取大小为32 GB，最大读取时间为10分钟。
如果您的读取时间过长，则可以尝试使用以下过滤选项之一：
IMS组织是在 client_context.
Python
要在Python中读取数据，请使用以下代码示例：
from platform_sdk.dataset_reader import DatasetReader
dataset_reader = DatasetReader(client_context, "{DATASET_ID}")
df = dataset_reader.limit(100).read()
df.head()
R
要在R中读取数据，请使用以下代码示例：
DatasetReader <- psdk$dataset_reader$DatasetReader
dataset_reader <- DatasetReader(client_context, "{DATASET_ID}")
df <- dataset_reader$read()
df
按偏移和限制过滤
由于不再支持按批ID进行过滤，因此为了允许读取数据，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)$read()
df
按日期过滤
日期过滤的粒度现在由时间戳定义，而不是按日期设置。
Python
df = dataset_reader.where(\
dataset_reader['timestamp'].gt('2019-04-10 15:00:00').\
And(dataset_reader['timestamp'].lt('2019-04-10 17:00:00'))\
).read()
df.head()
R
df2 <- dataset_reader$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 Platform SDK支持以下操作：
| 操作 | 函数 |
|---|---|
等于 (=) |
eq() |
大于 (>) |
gt() |
大于或等于 (>=) |
ge() |
小于 (<) |
lt() |
小于或等于 (<=) |
le() |
和(&) |
And() |
| 或 (` | `) |
按选定列过滤
为了进一步优化数据读取，您还可以按列名称进行过滤。
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
收到的结果可以按目标数据集的指定列及其顺序(asc/desc)分别排序。
在以下示例中，数据帧按“column-a”先以升序排序。 对“column-a”具有相同值的行将按“column-b”的降序排序。
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
IMS组织是在 client_context.
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，数据会进行准备，然后被拆分到 train 和 val 数据集。 要了解数据准备和功能工程，请访问 数据准备和特征工程 ，用于使用 JupyterLab 笔记本。
