Data Science WorkspaceのPythonを使用したデータへのアクセス
次のドキュメントでは、Data Science Workspaceで使用するPythonを使用してデータにアクセスする方法の例を示します。 JupyterLab ノートブックを使用したデータへのアクセスについて詳しくは、JupyterLab ノートブックデータアクセス のドキュメントを参照してください。
データセットの読み取り
環境変数を設定し、インストールを完了すると、データセットをpandas データフレームに読み込むことができます。
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()
データセットから列を選択
df = dataset_reader.select(['column-a','column-b']).read()
パーティション情報を取得：
client_context = get_client_context(config_properties)
dataset = Dataset(client_context).get_by_id({DATASET_ID})
partitions = dataset.get_partitions_info()
DISTINCT句
DISTINCT句を使用すると、行/列レベルですべてのdistinct値を取得し、応答からすべての重複する値を削除できます。
distinct()関数の使用例を次に示します。
df = dataset_reader.select(['column-a']).distinct().read()
WHERE句
Pythonで特定の演算子を使用して、データセットをフィルタリングできます。
eq() = '='
gt() = '>'
ge() = '>='
lt() = '<'
le() = '<='
And = and operator
Or = or operator
これらのフィルタリング関数の使用例を次に示します。
df = dataset_reader.where(experience_ds['timestamp'].gt(87879779797).And(experience_ds['timestamp'].lt(87879779797)).Or(experience_ds['a'].eq(123)))
ORDER BY句
ORDER BY句を使用すると、受信した結果を特定の順序（昇順または降順）で指定した列で並べ替えることができます。 これは、sort()関数を使用して行います。
sort()関数の使用例を次に示します。
df = dataset_reader.sort([('column_1', 'asc'), ('column_2', 'desc')])
LIMIT句
LIMIT句を使用すると、データセットから受信するレコードの数を制限できます。
limit()関数の使用例を次に示します。
df = dataset_reader.limit(100).read()
OFFSET句
OFFSET句を使用すると、最初から行をスキップして、後のポイントから行を返し始めることができます。 LIMITと組み合わせることで、ブロック内の行を繰り返し処理することができます。
offset()関数の使用例を次に示します。
df = dataset_reader.offset(100).read()
データセットの記述
データセットに書き込むには、pandas データフレームをデータセットに指定する必要があります。
pandas データフレームの作成
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 ディレクトリ （チェックポイント）
実行中のジョブが長い場合は、中間ステップを保存する必要がある場合があります。 このような場合は、ユーザー空間に対して読み書きができます。
ユーザー空間への書き込み
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>)
ユーザー空間から読み取る
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>)
次の手順
Adobe Experience Platform Data Science Workspaceには、上記のコードサンプルを使用してデータを読み書きするレシピのサンプルが用意されています。 Pythonを使用してデータにアクセスする方法について詳しくは、Data Science Workspace Python GitHub Repositoryを参照してください。