在資料科學Workspace中使用Python存取資料

以下檔案包含有關如何使用Python存取資料以用於資料科學Workspace的範例。 如需使用JupyterLab Notebooks存取資料的資訊,請瀏覽JupyterLab Notebooks資料存取檔案。

讀取資料集

設定環境變數並完成安裝後,您現在可以將資料集讀入pandas dataframe中。

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()

從資料集中選取欄

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

取得分割資訊:

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子句可讓您在列/欄層級擷取所有不同的值,從回應中移除所有重複的值。

以下顯示使用distinct()函式的範例:

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

WHERE子句

您可以在Python中使用某些運運算元,協助篩選資料集。

NOTE
用於篩選的函式區分大小寫。
eq() = '='
gt() = '>'
ge() = '>='
lt() = '<'
le() = '<='
And = and operator
Or = or operator

您可以在下方看到使用這些篩選函式的範例:

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子句允許接收的結果以特定順序(升序或降序)依指定的資料行排序。 這是使用sort()函式完成的。

以下顯示使用sort()函式的範例:

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

LIMIT子句

LIMIT子句可讓您限制從資料集接收的記錄數。

以下顯示使用limit()函式的範例:

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

OFFSET子句

OFFSET子句可讓您從頭開始略過資料列,以開始從後面傳回資料列。 在搭配LIMIT的情況下,這可用來疊代區塊中的列。

以下顯示使用offset()函式的範例:

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

寫入資料集

若要寫入資料集,您必須提供熊貓資料流至資料集。

正在寫入熊貓資料流

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目錄(檢查點)

若要讓工作執行時間更長,您可能需要儲存中間步驟。 在類似的情況下,您可以讀取和寫入使用者空間。

NOTE
資料路徑​ 未儲存。 您需要儲存其個別資料的對應路徑。

寫入使用者空間

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>)

從使用者空間讀取

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>)

後續步驟

Adobe Experience Platform Data Science Workspace提供的配方範例會使用上述程式碼範例來讀取和寫入資料。 如果您想進一步瞭解如何使用Python存取您的資料,請檢閱資料科學Workspace Python GitHub存放庫

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