使用Adobe Experience Platform Platform SDK进行模型创作

本教程向您提供了有关将data_access_sdk_python转换为Python和R中的新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

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,最大读取时间为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:

注意

IMS组织设置在client_context中。

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

按偏移和限制过滤

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offsetlimit

Python

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

R

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

按日期筛选

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:

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

要进一步优化数据阅读,您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

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。

在下面的示例中,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

注意

IMS组织设置在client_context中。

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,数据将进行准备,然后被拆分到trainval数据集。 要了解数据准备和功能工程,请访问使用JupyterLab笔记本创建菜谱的教程中数据准备和功能工程部分。

在此页面上