在数据科学工作区中使用Python访问数据

以下文档包含有关如何使用Python访问数据以在数据科学工作区中使用的示例。 有关使用JupyterLab笔记本访问数据的信息，请访问JupyterLab笔记本数据访问文档。

读取数据集

在设置环境变量并完成安装后，您的数据集现在可以读入pactis数据框。

import pandas as pd
from .utils import get_client_context
from platform_sdk.dataset_reader import DatasetReader

def load(config_properties):

client_context = get_client_context(config_properties)

dataset_reader = DatasetReader(client_context, config_properties['DATASET_ID'])

df = dataset_reader.read()

数据集中的SELECT列

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

获取分区信息：

client_context = get_client_context(config_properties)

dataset = Dataset(client_context).get_by_id({DATASET_ID})
partitions = dataset.get_partitions_info()

DISTINCT子句

DISTINCT子句允许您在行/列级别提取所有不同值，从响应中删除所有重复值。

下面可以看到使用distinct()函数的示例：

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

WHERE子句

您可以在Python中使用某些运算符来帮助筛选数据集。

eq() = '='
gt() = '>'
ge() = '>='
lt() = '<'
le() = '<='
And = and operator
Or = or operator

使用这些过滤函数的示例如下所示：

df = dataset_reader.where(experience_ds['timestamp'].gt(87879779797).And(experience_ds['timestamp'].lt(87879779797)).Or(experience_ds['a'].eq(123)))

ORDER BY子句

ORDER BY子句允许按指定列按特定顺序（升序或降序）对接收结果进行排序。 这是使用sort()函数完成的。

下面可以看到使用sort()函数的示例：

df = dataset_reader.sort([('column_1', 'asc'), ('column_2', 'desc')])

LIMIT子句

LIMIT子句允许您限制从数据集接收的记录数。

下面可以看到使用limit()函数的示例：

df = dataset_reader.limit(100).read()

OFFSET子句

OFFSET子句允许您从开头跳到从后一点返回行的开始。 与LIMIT结合使用时，可以对块中的行进行迭代。

下面可以看到使用offset()函数的示例：

df = dataset_reader.offset(100).read()

写入数据集

要写入数据集，您需要向数据集提供熊猫数据框。

编写熊猫数据框

client_context = get_client_context(config_properties)

# To fetch existing dataset
dataset = Dataset(client_context).get_by_id({DATASET_ID})

dataset_writer = DatasetWriter(client_context, dataset)

write_tracker = dataset_writer.write(<your_dataFrame>, file_format='json')

Userspace目录（检查点）

对于运行时间较长的作业，您可能需要存储中间步骤。 在这种情况下，您可以读写用户空间。

写入用户空间

client_context = get_client_context(config_properties)

user_helper = UserSpaceHelper(client_context)
user_helper.write(data_frame=<data_frame>, path=<path_to_directory>, ref_dataset_id=<ref_dataset_id>)

从用户空间读取

client_context = get_client_context(config_properties)

user_helper = UserSpaceHelper(client_context)
my_df = user_helper.read(path=<path_to_directory>, ref_dataset_id=<ref_dataset_id>)

后续步骤

Adobe Experience Platform Data Science Workspace提供了一个菜谱示例，它使用上述代码示例来读取和写入数据。 如果您想了解有关如何使用Python访问数据的更多信息，请查阅数据科学工作区Python GitHub存储库。