Il set di dati Diabetes include 442 esempi con 10 funzionalità ed è quindi ottimale per iniziare a usare gli algoritmi di Machine Learning. È uno dei set di dati scikit più popolari.
Microsoft fornisce set di dati aperti di Azure su base "as is". Microsoft non garantisce garanzie, garanzie o condizioni esplicite o implicite rispetto all'uso dei set di dati. Nella misura consentita dalla legge locale, Microsoft disclamò tutte le responsabilità per eventuali danni o perdite, inclusi danni diretti, consequenziali, speciali, indiretti, accidentali o punitivi, derivanti dall'uso dei set di dati.
Questo set di dati viene fornito in conformità con le condizioni originali in base alle quali Microsoft ha ricevuto i dati di origine. Il set di dati potrebbe includere dati provenienti da Microsoft.
Colonne
Nome
Tipo di dati
Univoco
Valori (esempio)
ETÀ
bigint
58
53 60
BMI
double
163
24.1 23.5
BP
double
100
93.0 83.0
S1
bigint
141
162 184
S2
double
302
125.8 114.8
S3
double
63
46.0 38.0
S4
double
66
3.0 4.0
S5
double
184
4.4427 4.3041
S6
bigint
56
92 96
SESSO
bigint
2
1 2
S
bigint
214
72 200
Anteprima
ETÀ
SESSO
BMI
BP
S1
S2
S3
S4
S5
S6
S
59
2
32,1
101
157
93.2
38
4
4.8598
87
151
48
1
21.6
87
183
103.2
70
3
3.8918
69
75
72
2
30,5
93
156
93.6
41
4
4.6728
85
141
24
1
25.3
84
198
131.4
40
5
4.8903
89
206
50
1
23
101
192
125,4
52
4
4.2905
80
135
23
1
22.6
89
139
64.8
61
2
4.1897
68
97
36
2
22
90
160
99.6
50
3
3.9512
82
138
66
2
26.2
114
255
185
56
4.55
4.2485
92
63
60
2
32,1
83
179
119.4
42
4
4.4773
94
110
29
1
30
85
180
93.4
43
4
5.3845
88
310
Accesso ai dati
Usare gli esempi di codice seguenti per accedere a questo set di dati in Azure Notebooks, Azure Databricks o Azure Synapse.
# This is a package in preview.
from azureml.opendatasets import Diabetes
diabetes = Diabetes.get_tabular_dataset()
diabetes_df = diabetes.to_pandas_dataframe()
diabetes_df.info()
# Pip install packages
import os, sys
!{sys.executable} -m pip install azure-storage-blob
!{sys.executable} -m pip install pyarrow
!{sys.executable} -m pip install pandas
# Azure storage access info
azure_storage_account_name = "azureopendatastorage"
azure_storage_sas_token = r""
container_name = "mlsamples"
folder_name = "diabetes"
from azure.storage.blob import BlockBlobServicefrom azure.storage.blob import BlobServiceClient, BlobClient, ContainerClient
if azure_storage_account_name is None or azure_storage_sas_token is None:
raise Exception(
"Provide your specific name and key for your Azure Storage account--see the Prerequisites section earlier.")
print('Looking for the first parquet under the folder ' +
folder_name + ' in container "' + container_name + '"...')
container_url = f"https://{azure_storage_account_name}.blob.core.windows.net/"
blob_service_client = BlobServiceClient(
container_url, azure_storage_sas_token if azure_storage_sas_token else None)
container_client = blob_service_client.get_container_client(container_name)
blobs = container_client.list_blobs(folder_name)
sorted_blobs = sorted(list(blobs), key=lambda e: e.name, reverse=True)
targetBlobName = ''
for blob in sorted_blobs:
if blob.name.startswith(folder_name) and blob.name.endswith('.parquet'):
targetBlobName = blob.name
break
print('Target blob to download: ' + targetBlobName)
_, filename = os.path.split(targetBlobName)
blob_client = container_client.get_blob_client(targetBlobName)
with open(filename, 'wb') as local_file:
blob_client.download_blob().download_to_stream(local_file)
# Read the parquet file into Pandas data frame
import pandas as pd
print('Reading the parquet file into Pandas data frame')
df = pd.read_parquet(filename)
# you can add your filter at below
print('Loaded as a Pandas data frame: ')
df
Esempio non disponibile per questa combinazione di piattaforma/pacchetto.
# This is a package in preview.
from azureml.opendatasets import Diabetes
diabetes = Diabetes.get_tabular_dataset()
diabetes_df = diabetes.to_spark_dataframe()
display(diabetes_df.limit(5))
Esempio non disponibile per questa combinazione di piattaforma/pacchetto.
# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "mlsamples"
blob_relative_path = "diabetes"
blob_sas_token = r""
# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
blob_sas_token)
print('Remote blob path: ' + wasbs_path)
# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')
# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))