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访问数据以用于数据科学工作区的示例。 有关使用JupyterLab笔记本访问数据的信息,请访问 JupyterLab notebooks数据访问 文档。

读取数据集

在设置环境变量并完成安装后,现在可以将您的数据集读入pandas数据流。

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()

从数据集中选择列

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子句允许您获取行/列级别的所有不同值,从响应中删除所有重复值。

有关使用的示例 distinct() 函数如下所示:

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。

NOTE
用于筛选的函数区分大小写。
eq() = '='
gt() = '>'
ge() = '>='
lt() = '<'
le() = '<='
And = and operator
Or = or operator

下面是使用这些筛选函数的示例:

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子句允许按指定列以特定顺序(升序或降序)对接收结果进行排序。 这是通过使用 sort() 函数。

有关使用的示例 sort() 函数如下所示:

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。

有关使用的示例 limit() 函数如下所示:

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

OFFSET子句

OFFSET子句允许您从头跳过行,以便从以后开始返回行。 在与LIMIT结合使用时,这可用于循环访问块中的行。

有关使用的示例 offset() 函数如下所示:

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

编写数据集

要写入数据集,您需要向数据集提供熊猫数据流。

编写大熊猫数据流

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)

要获得运行时间较长的作业,可能需要存储中间步骤。 在这种情况下,您可以读取和写入用户空间。

NOTE
数据的路径为 存储。 您需要存储指向其各自数据的相应路径。

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提供了一个方法示例,它使用上述代码示例读取和写入数据。 如果您想详细了解如何使用Python访问您的数据,请查看 数据科学工作区Python GitHub存储库.

recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9