Dataset Sınıf
Azure Machine Learning'de verileri keşfetmeye, dönüştürmeye ve yönetmeye yönelik bir kaynağı temsil eder.
Veri kümesi, genel web url'lerinin arkasındaki veya içindeki Datastore verilere başvurudur.
Bu sınıfta kullanım dışı bırakılan yöntemler için lütfen geliştirilmiş API'ler için sınıfı denetleyin AbstractDataset .
Aşağıdaki Veri Kümeleri türleri desteklenir:
TabularDataset sağlanan dosyayı veya dosya listesini ayrıştırarak oluşturulan tablo biçiminde verileri temsil eder.
FileDataset veri depolarındaki veya genel URL'lerden gelen bir veya birden çok dosyaya başvurur.
Veri kümelerini kullanmaya başlamak için Veri kümeleri ekleme & kaydetme makalesine bakın veya ve not defterlerine https://aka.ms/tabulardataset-samplenotebook bakın https://aka.ms/filedataset-samplenotebook.
Dataset nesnesini başlatın.
Çalışma alanına önceden kaydedilmiş bir Veri Kümesi almak için get yöntemini kullanın.
- Devralma
-
builtins.objectDataset
Oluşturucu
Dataset(definition, workspace=None, name=None, id=None)Parametreler
- definition
- <xref:azureml.data.DatasetDefinition>
Veri kümesi tanımı.
Açıklamalar
Dataset sınıfı, ilgili fabrika yöntemleriyle çalışmadan veri kümesi oluşturmak için kullanabileceğiniz iki kolaylık sınıfı özniteliğini (File ve Tabular) kullanıma sunar. Örneğin, şu öznitelikleri kullanarak bir veri kümesi oluşturmak için:
Dataset.Tabular.from_delimited_files()Dataset.File.from_files()
ayrıca ve FileDatasetFactoryiçinde TabularDatasetFactory tanımlanan sınıfının ilgili fabrika yöntemlerini doğrudan çağırarak yeni bir TabularDataset veya FileDataset oluşturabilirsiniz.
Aşağıdaki örnekte veri deposundaki tek bir yola işaret eden bir TabularDataset'in nasıl oluşturulduğu gösterilir.
from azureml.core import Dataset
dataset = Dataset.Tabular.from_delimited_files(path = [(datastore, 'train-dataset/tabular/iris.csv')])
# preview the first 3 rows of the dataset
dataset.take(3).to_pandas_dataframe()
Tam örnek şu kaynaktan edinilebilir: https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/work-with-data/datasets-tutorial/train-with-datasets/train-with-datasets.ipynb
Değişkenler
- azureml.core.Dataset.File
Yeni FileDataset nesneleri oluşturmak için FileDatasetFactory yöntemlerine erişim sağlayan bir sınıf özniteliği. Kullanım: Dataset.File.from_files().
- azureml.core.Dataset.Tabular
Yeni TabularDataset nesneleri oluşturmak için TabularDatasetFactory yöntemlerine erişim sağlayan bir sınıf özniteliği. Kullanım: Dataset.Tabular.from_delimited_files().
Yöntemler
| archive |
Etkin veya kullanım dışı bir veri kümesini arşivler. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| auto_read_files |
Belirtilen yolda dosyaları analiz eder ve yeni bir Veri Kümesi döndürür. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Dosyaları okumak için Dataset.Tabular.from_* yöntemlerinin kullanılması önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| compare_profiles |
Geçerli Veri Kümesinin profilini başka bir veri kümesi profiliyle karşılaştırın. Bu, iki veri kümesi arasındaki özet istatistik farklarını gösterir. 'rhs_dataset' parametresi "sağ taraf" anlamına gelir ve yalnızca ikinci veri kümesidir. İlk veri kümesi (geçerli veri kümesi nesnesi) "sol taraf" olarak kabul edilir. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| create_snapshot |
Kayıtlı Veri Kümesinin anlık görüntüsünü oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| delete_snapshot |
Veri kümesinin anlık görüntüsünü ada göre silin. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| deprecate |
Çalışma alanındaki etkin veri kümesini başka bir veri kümesi tarafından kullanımdan kaldırın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| diff |
Geçerli Veri Kümesini rhs_dataset ile fark edin. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| from_binary_files |
İkili dosyalardan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.File.from_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| from_delimited_files |
Sınırlandırılmış dosyalardan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.Tabular.from_delimited_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| from_excel_files |
Excel dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| from_json_files |
JSON dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. JSON satırları dosyasından okumak için bunun yerine Dataset.Tabular.from_json_lines_files kullanılması önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| from_pandas_dataframe |
Pandas veri çerçevesinden kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.Tabular.register_pandas_dataframe kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| from_parquet_files |
Parquet dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.Tabular.from_parquet_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| from_sql_query |
SQL sorgusundan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine Dataset.Tabular.from_sql_query kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| generate_profile |
Veri Kümesi için yeni profil oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| get |
Adını veya kimliğini belirterek çalışma alanında zaten var olan bir Veri Kümesini alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. bunun yerine ve get_by_id kullanılmasını get_by_name önerin. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| get_all |
Çalışma alanındaki tüm kayıtlı veri kümelerini alın. |
| get_all_snapshots |
Veri Kümesinin tüm anlık görüntülerini alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| get_by_id |
Çalışma alanına kaydedilen bir Veri Kümesi alın. |
| get_by_name |
Kayıt adına göre çalışma alanından kayıtlı bir Veri Kümesi alın. |
| get_definition |
Veri Kümesinin belirli bir tanımını alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| get_definitions |
Veri Kümesinin tüm tanımlarını alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| get_profile |
Daha önce hesaplanan Veri Kümesiyle ilgili özet istatistikleri alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| get_snapshot |
Ada göre Veri Kümesinin anlık görüntüsünü alın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| head |
Bu Veri Kümesinden belirtilen kayıt sayısını çekin ve bunları DataFrame olarak döndürür. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| list |
False özelliğine sahip Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine kullanılması get_all önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| reactivate |
Arşivlenmiş veya kullanım dışı bırakılmış bir veri kümesini yeniden etkinleştirme. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| register |
Veri Kümesini çalışma alanına kaydederek çalışma alanının diğer kullanıcılarının kullanımına açın. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Bunun yerine kullanılması register önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| sample |
Sağlanan örnekleme stratejisini ve parametreleri kullanarak kaynak Veri Kümesinden yeni bir örnek oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın take_sample . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| to_pandas_dataframe |
Bu Veri Kümesi tanımı tarafından tanımlanan dönüştürme işlem hattını yürüterek bir Pandas veri çerçevesi oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın to_pandas_dataframe . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| to_spark_dataframe |
Bu Veri Kümesi tanımı tarafından tanımlanan dönüştürme işlem hattını yürütebilen bir Spark DataFrame oluşturun. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın to_spark_dataframe . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| update |
Çalışma alanındaki Veri kümesi değiştirilebilir özniteliklerini güncelleştirin ve çalışma alanından güncelleştirilmiş Veri Kümesini döndürin. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
| update_definition |
Veri kümesi tanımını güncelleştirin. Not Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation. |
archive
Etkin veya kullanım dışı bir veri kümesini arşivler.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
archive()Döndürülenler
Yok.
Dönüş türü
Açıklamalar
Arşivlemeden sonra, Veri Kümesini kullanma girişimleri hataya neden olur. Yanlışlıkla arşivlenirse, yeniden etkinleştir etkinleştirildiğinde etkinleştirilir.
auto_read_files
Belirtilen yolda dosyaları analiz eder ve yeni bir Veri Kümesi döndürür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Dosyaları okumak için Dataset.Tabular.from_* yöntemlerinin kullanılması önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static auto_read_files(path, include_path=False, partition_format=None)Parametreler
- path
- DataReference veya str
Kayıtlı bir veri deposundaki veri yolu, yerel yol veya HTTP URL'si (CSV/TSV).
- include_path
- bool
Verilerin okunduğu dosyanın yolunu içeren bir sütunun eklenip eklenmeyeceği. Birden çok dosya okurken ve belirli bir kaydın hangi dosyadan kaynaklandığını bilmek istediğinizde kullanışlıdır. Ayrıca, dosya yolunda veya adında bir sütunda olmasını istediğiniz bilgiler varsa da kullanışlıdır.
- partition_format
- str
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yyyy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütununu oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss' tarih saat türü için yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. adlı bir dosya yolu verilmiştir. /Accounts/2019/01/01/data.csv'; burada veriler bölüm adı ve saatlerine göre bölümlendi, dize türünde 'Bölüm' ve tarih saat türünde 'BölümTarihi' sütunları oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.csv' tanımlayabiliriz.
Döndürülenler
Veri kümesi nesnesi.
Dönüş türü
Açıklamalar
Dosya biçimlerinin ve sınırlayıcıların otomatik olarak algılandığında bu yöntemi kullanın.
Veri Kümesi oluşturduktan sonra, algılanan sütun türlerini ve her sütun için özet istatistikleri listelemek için komutunu kullanmanız get_profile gerekir.
Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
compare_profiles
Geçerli Veri Kümesinin profilini başka bir veri kümesi profiliyle karşılaştırın.
Bu, iki veri kümesi arasındaki özet istatistik farklarını gösterir. 'rhs_dataset' parametresi "sağ taraf" anlamına gelir ve yalnızca ikinci veri kümesidir. İlk veri kümesi (geçerli veri kümesi nesnesi) "sol taraf" olarak kabul edilir.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
compare_profiles(rhs_dataset, profile_arguments={}, include_columns=None, exclude_columns=None, histogram_compare_method=HistogramCompareMethod.WASSERSTEIN)Parametreler
- rhs_dataset
- Dataset
Karşılaştırma için "sağ taraf" veri kümesi olarak da adlandırılan ikinci bir Veri Kümesi.
- histogram_compare_method
- HistogramCompareMethod
Karşılaştırma yöntemini açıklayan sabit listesi, örneğin: Wasserstein veya Enerji
Döndürülenler
İki veri kümesi profili arasındaki fark.
Dönüş türü
Açıklamalar
Bu yalnızca kayıtlı Veri Kümeleri içindir. Geçerli Veri Kümesinin profili yoksa bir özel durum oluşturur. Kayıtlı olmayan Veri Kümeleri için profile.compare yöntemini kullanın.
create_snapshot
Kayıtlı Veri Kümesinin anlık görüntüsünü oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
create_snapshot(snapshot_name, compute_target=None, create_data_snapshot=False, target_datastore=None)Parametreler
- snapshot_name
- str
Anlık görüntü adı. Anlık görüntü adları bir Veri Kümesi içinde benzersiz olmalıdır.
- compute_target
- Union[ComputeTarget, str]
Anlık görüntü profili oluşturmayı gerçekleştirmek için isteğe bağlı işlem hedefi. Atlanırsa, yerel işlem kullanılır.
- target_datastore
- Union[AbstractAzureStorageDatastore, str]
Anlık görüntüyü kaydetmek için hedef veri deposu. Atlanırsa, anlık görüntü çalışma alanının varsayılan depolama alanında oluşturulur.
Döndürülenler
Veri kümesi anlık görüntüsü nesnesi.
Dönüş türü
Açıklamalar
Anlık görüntüler, temel alınan verilerin zaman özet istatistiklerini ve verilerin isteğe bağlı bir kopyasını yakalar. Anlık görüntüler oluşturma hakkında daha fazla bilgi edinmek için adresine https://aka.ms/azureml/howto/createsnapshotsgidin.
delete_snapshot
Veri kümesinin anlık görüntüsünü ada göre silin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
delete_snapshot(snapshot_name)Parametreler
Döndürülenler
Yok.
Dönüş türü
Açıklamalar
Artık ihtiyacınız olmayan anlık görüntülerde kaydedilen veriler tarafından kullanılan depolama alanını boşaltmak için bunu kullanın.
deprecate
Çalışma alanındaki etkin veri kümesini başka bir veri kümesi tarafından kullanımdan kaldırın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
deprecate(deprecate_by_dataset_id)Parametreler
Döndürülenler
Yok.
Dönüş türü
Açıklamalar
Kullanım dışı bırakılan Veri Kümeleri, kullanıldıklarında uyarıları günlüğe kaydeder. Veri kümesinin kullanım dışı bırakılması tüm tanımlarını kullanım dışı bırakmıştır.
Kullanım dışı Bırakılmış Veri Kümeleri yine de kullanılabilir. Bir Veri Kümesinin tüketilmesini tamamen engellemek için bu veri kümesini arşivleyin.
Yanlışlıkla kullanım dışı bırakıldıysa, yeniden etkinleştir seçeneği etkinleştirilecektir.
diff
Geçerli Veri Kümesini rhs_dataset ile fark edin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
diff(rhs_dataset, compute_target=None, columns=None)Parametreler
- rhs_dataset
- Dataset
Karşılaştırma için sağ taraftaki Veri Kümesi olarak da adlandırılan başka bir Veri Kümesi
- compute_target
- Union[ComputeTarget, str]
farkını gerçekleştirmek için işlem hedefi. Atlanırsa, yerel işlem kullanılır.
Döndürülenler
Veri kümesi eylemi çalıştırma nesnesi.
Dönüş türü
from_binary_files
İkili dosyalardan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.File.from_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_binary_files(path)Parametreler
Döndürülenler
Dataset nesnesi.
Dönüş türü
Açıklamalar
Dosyaları ikili veri akışları olarak okumak için bu yöntemi kullanın. Dosya okuma başına bir dosya akışı nesnesi döndürür. Görüntüleri, videoları, sesleri veya diğer ikili verileri okurken bu yöntemi kullanın.
get_profile ve create_snapshot bu yöntem tarafından oluşturulan bir Veri Kümesi için beklendiği gibi çalışmaz.
Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
from_delimited_files
Sınırlandırılmış dosyalardan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.Tabular.from_delimited_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
# Create a dataset from delimited files with header option as ALL_FILES_HAVE_SAME_HEADERS
dataset = Dataset.Tabular.from_delimited_files(path=(datastore, 'data/crime-spring.csv'),
header='ALL_FILES_HAVE_SAME_HEADERS')
df = dataset.to_pandas_dataframe()
static from_delimited_files(path, separator=',', header=PromoteHeadersBehavior.ALL_FILES_HAVE_SAME_HEADERS, encoding=FileEncoding.UTF8, quoting=False, infer_column_types=True, skip_rows=0, skip_mode=SkipLinesBehavior.NO_ROWS, comment=None, include_path=False, archive_options=None, partition_format=None)Parametreler
- path
- DataReference veya str
Kayıtlı bir veri deposundaki veri yolu, yerel yol veya HTTP URL'si.
- header
- PromoteHeadersBehavior
Dosyalardan okurken sütun üst bilgilerinin nasıl yükseltilir olduğunu denetler.
- quoting
- bool
Tırnak içinde yeni satır karakterlerinin nasıl işleneceğini belirtin. Varsayılan (Yanlış) yeni satır karakterlerini, yeni satır karakterlerinin tırnak içinde olup olmamasına bakılmaksızın yeni satırlar başlatacak şekilde yorumlamaktır. True olarak ayarlanırsa, tırnak içindeki yeni satır karakterleri yeni satırlara neden olmaz ve dosya okuma hızı yavaşlar.
- comment
- str
Okunan dosyalardaki açıklama satırlarını belirtmek için kullanılan karakter. Bu dizeyle başlayan satırlar atlanır.
- include_path
- bool
Verilerin okunduğu dosyanın yolunu içeren bir sütunun eklenip eklenmeyeceği. Bu, birden çok dosya okurken ve belirli bir kaydın hangi dosyadan kaynaklandığını bilmek veya yararlı bilgileri dosya yolunda tutmak istediğinizde yararlıdır.
- archive_options
- <xref:azureml.dataprep.ArchiveOptions>
Arşiv türü ve giriş glob deseni de dahil olmak üzere arşiv dosyası seçenekleri. Şu anda yalnızca arşiv türü olarak ZIP'i destekliyoruz. Örneğin, belirtme
archive_options = ArchiveOptions(archive_type = ArchiveType.ZIP, entry_glob = '*10-20.csv')
ZIP'te adı "10-20.csv" ile biten tüm dosyaları okur.
- partition_format
- str
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yyyy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütununu oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss' tarih saat türü için yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. adlı bir dosya yolu verilmiştir. /Accounts/2019/01/01/data.csv'; burada veriler bölüm adı ve saatlerine göre bölümlendi, dize türünde 'Bölüm' ve tarih saat türünde 'BölümTarihi' sütunları oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.csv' tanımlayabiliriz.
Döndürülenler
Veri kümesi nesnesi.
Dönüş türü
Açıklamalar
Kullanılan seçenekleri denetlemek istediğinizde sınırlandırılmış metin dosyalarını okumak için bu yöntemi kullanın.
Veri Kümesi oluşturduktan sonra, algılanan sütun türlerini ve her sütun için özet istatistikleri listelemek için komutunu kullanmanız get_profile gerekir.
Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
from_excel_files
Excel dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_excel_files(path, sheet_name=None, use_column_headers=False, skip_rows=0, include_path=False, infer_column_types=True, partition_format=None)Parametreler
- sheet_name
- str
Yüklenemiyor Excel sayfasının adı. Varsayılan olarak her Excel dosyasından ilk sayfayı okuruz.
- use_column_headers
- bool
İlk satırın sütun başlığı olarak kullanılıp kullanılmayacağını denetler.
- include_path
- bool
Verilerin okunduğu dosyanın yolunu içeren bir sütun eklenip eklenmeyeceği. Bu, birden çok dosya okurken ve belirli bir kaydın hangi dosyadan geldiğini bilmek veya dosya yolunda yararlı bilgileri tutmak istediğinizde yararlıdır.
- partition_format
- str
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütunlarını oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss', tarih saat türü için fazladan yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. /Accounts/2019/01/01/data.xlsx' (verilerin bölüm adı ve zamanına göre bölümlendiği) '/{Department}/{PartitionDate:yyyy/MM/dd}/data.xlsx' tanımlayarak dize türünde 'Department' ve datetime türünde 'PartitionDate' sütunlarını oluşturabiliriz.
Döndürülenler
Veri kümesi nesnesi.
Dönüş türü
Açıklamalar
Excel dosyalarını .xlsx biçimde okumak için bu yöntemi kullanın. Veriler her Excel dosyasındaki bir sayfadan okunabilir. Bir Veri Kümesi oluşturduktan sonra, her sütun için algılanan sütun türlerini ve özet istatistiklerini listelemek için komutunu kullanmanız get_profile gerekir. Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
from_json_files
JSON dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
JSON satırları dosyasından okumak için bunun yerine Dataset.Tabular.from_json_lines_files kullanılması önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_json_files(path, encoding=FileEncoding.UTF8, flatten_nested_arrays=False, include_path=False, partition_format=None)Parametreler
- path
- DataReference veya str
Yüklemek ve ayrıştırmak istediğiniz dosya veya klasörün yolu. Yerel yol veya Azure Blob URL'si olabilir. Globbing desteklenir. Örneğin, adı "data" ile başlayan tüm dosyaları okumak için path = "./data*" kullanabilirsiniz.
- flatten_nested_arrays
- bool
Programın iç içe dizileri işlemesini denetleen özellik. İç içe JSON dizilerini düzleştirmeyi seçerseniz, çok daha fazla satırla sonuçlanabilir.
- include_path
- bool
Verilerin okunduğu yolu içeren bir sütunun eklenip eklenmeyeceği. Bu, birden çok dosya okurken yararlıdır ve belirli bir kaydın hangi dosyadan geldiğini bilmek veya yararlı bilgileri dosya yolunda tutmak isteyebilirsiniz.
- partition_format
- str
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütunlarını oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss', tarih saat türü için fazladan yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. /Accounts/2019/01/01/data.json' ve veriler departman adına ve saatine göre bölümlendi. Dize türünde 'Bölüm' ve tarih saat türünde 'BölümTarihi' sütunları oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.json' tanımlayabiliriz.
Döndürülenler
Yerel Veri Kümesi nesnesi.
Dönüş türü
from_pandas_dataframe
Pandas veri çerçevesinden kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.Tabular.register_pandas_dataframe kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_pandas_dataframe(dataframe, path=None, in_memory=False)Parametreler
- path
- Union[DataReference, str]
Kayıtlı veri deposundaki veya yerel klasör yolundaki bir veri yolu.
- in_memory
- bool
Diskte kalıcı hale getirmek yerine DataFrame'in bellekten okunup okunmayacağı.
Döndürülenler
Veri kümesi nesnesi.
Dönüş türü
Açıklamalar
Pandas veri çerçevesini Bir Dataset nesnesine dönüştürmek için bu yöntemi kullanın. Veriler bellekten olduğundan, bu yöntem tarafından oluşturulan bir Veri Kümesi kaydedilemez.
False ise in_memory Pandas DataFrame yerel olarak bir CSV dosyasına dönüştürülür. DataReference türündeyse pat Pandas çerçevesi veri deposuna yüklenir ve Veri Kümesi DataReference'ı temel alır. ''path' yerel bir klasörse, Veri Kümesi silinemeyen yerel dosyadan oluşturulur.
Geçerli DataReference bir klasör yolu değilse özel durum oluşturur.
from_parquet_files
Parquet dosyalarından kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.Tabular.from_parquet_files kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_parquet_files(path, include_path=False, partition_format=None)Parametreler
- include_path
- bool
Verilerin okunduğu dosyanın yolunu içeren bir sütun eklenip eklenmeyeceği. Bu, birden çok dosya okurken ve belirli bir kaydın hangi dosyadan geldiğini bilmek veya dosya yolunda yararlı bilgileri tutmak istediğinizde yararlıdır.
- partition_format
- str
Yolda bölüm biçimini belirtin ve '{x}' biçiminde ve '{x:yy/AA/GG/HH/mm/ss}' biçimindeki tarih saat sütunlarını oluşturun; burada 'yyyy', 'MM', 'dd', 'SS', 'mm' ve 'ss', tarih saat türü için fazladan yıl, ay, gün, saat, dakika ve saniye için kullanılır. Biçim, ilk bölüm anahtarının konumundan dosya yolunun sonuna kadar başlamalıdır. Örneğin, '.. /Accounts/2019/01/01/data.parquet', verilerin bölüm adı ve saatlerine göre bölümlendiği yerde, dize türünde 'Bölüm' ve tarih saat türünde 'BölümTarihi' sütunları oluşturmak için '/{Department}/{PartitionDate:yyyy/MM/dd}/data.parquet' tanımlayabiliriz.
Döndürülenler
Veri kümesi nesnesi.
Dönüş türü
Açıklamalar
Parquet dosyalarını okumak için bu yöntemi kullanın.
Bir Veri Kümesi oluşturduktan sonra, her sütun için algılanan sütun türlerini ve özet istatistiklerini listelemek için komutunu kullanmanız get_profile gerekir.
Döndürülen Veri Kümesi çalışma alanına kaydedilmedi.
from_sql_query
SQL sorgusundan kayıtlı olmayan, bellek içi bir Veri Kümesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine Dataset.Tabular.from_sql_query kullanmanızı öneririz. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static from_sql_query(data_source, query)Parametreler
Döndürülenler
Yerel Veri Kümesi nesnesi.
Dönüş türü
generate_profile
Veri Kümesi için yeni profil oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
generate_profile(compute_target=None, workspace=None, arguments=None)Parametreler
- compute_target
- Union[ComputeTarget, str]
Anlık görüntü profili oluşturmayı gerçekleştirmek için isteğe bağlı bir işlem hedefi. Atlanırsa, yerel işlem kullanılır.
Profil bağımsız değişkenleri. Geçerli bağımsız değişkenler şunlardır:
Bool türünde 'include_stype_counts'. Değerlerin e-posta adresi, IP Adresi (V4/V6), ABD telefon numarası, ABD posta kodu, Enlem/Boylam gibi bazı iyi bilinen anlam türleri gibi görünüp görünmediğini denetleyin. Bunun etkinleştirilmesi performansı etkiler.
int türünde 'number_of_histogram_bins'. Sayısal veriler için kullanılacak histogram bölmelerinin sayısını temsil eder. Varsayılan değer 10'dur.
Döndürülenler
Veri kümesi eylemi çalıştırma nesnesi.
Dönüş türü
Açıklamalar
Zaman uyumlu çağrı, tamamlanana kadar engeller. Eylemin sonucunu almak için çağrısı get_result .
get
Adını veya kimliğini belirterek çalışma alanında zaten var olan bir Veri Kümesini alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
bunun yerine ve get_by_id kullanılmasını get_by_name önerin. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static get(workspace, name=None, id=None)Parametreler
Döndürülenler
Belirtilen ada veya kimliğine sahip Veri Kümesi.
Dönüş türü
Açıklamalar
veya idsağlayabilirsinizname. Şu durumlarda bir özel durum oluşur:
idhem hem denamebelirtilir ancak eşleşmiyor.belirtilen
nameveyaidile veri kümesi çalışma alanında bulunamıyor.
get_all
Çalışma alanındaki tüm kayıtlı veri kümelerini alın.
get_all()Parametreler
Döndürülenler
Kayıt adlarına göre anahtarlanan TabularDataset ve FileDataset nesnelerinin sözlüğü.
Dönüş türü
get_all_snapshots
Veri Kümesinin tüm anlık görüntülerini alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_all_snapshots()Döndürülenler
Veri kümesi anlık görüntülerinin listesi.
Dönüş türü
get_by_id
Çalışma alanına kaydedilen bir Veri Kümesi alın.
get_by_id(id, **kwargs)Parametreler
Döndürülenler
Veri kümesi nesnesi. Veri kümesi kayıtlıysa, kayıt adı ve sürümü de döndürülür.
Dönüş türü
get_by_name
Kayıt adına göre çalışma alanından kayıtlı bir Veri Kümesi alın.
get_by_name(name, version='latest', **kwargs)Parametreler
Döndürülenler
Kayıtlı veri kümesi nesnesi.
Dönüş türü
get_definition
Veri Kümesinin belirli bir tanımını alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_definition(version_id=None)Parametreler
Döndürülenler
Veri kümesi tanımı.
Dönüş türü
Açıklamalar
Sağlanırsa version_id , Azure Machine Learning bu sürüme karşılık gelen tanımı almaya çalışır. Bu sürüm yoksa, bir özel durum oluşturulur.
Atlanırsa version_id en son sürüm alınır.
get_definitions
Veri Kümesinin tüm tanımlarını alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_definitions()Döndürülenler
Veri kümesi tanımlarının sözlüğü.
Dönüş türü
Açıklamalar
AzureML çalışma alanına kayıtlı bir Veri Kümesinin, her biri çağrılarak update_definitionoluşturulan birden çok tanımı olabilir. Her tanımın benzersiz bir tanımlayıcısı vardır. Geçerli tanım, oluşturulan en son tanımdır.
Kayıtlı olmayan Veri Kümeleri için yalnızca bir tanım vardır.
get_profile
Daha önce hesaplanan Veri Kümesiyle ilgili özet istatistikleri alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_profile(arguments=None, generate_if_not_exist=True, workspace=None, compute_target=None)Parametreler
Döndürülenler
Veri Kümesinin DataProfile dosyası.
Dönüş türü
Açıklamalar
Azure Machine Learning çalışma alanına kayıtlı bir Veri Kümesi için bu yöntem, hala geçerliyse çağrısı get_profile yaparak daha önce oluşturulmuş mevcut bir profili alır. Veri kümesinde değiştirilen veriler algılandığında veya için bağımsız değişkenleri get_profile profil oluşturulurken kullanılanlardan farklı olduğunda profiller geçersiz kılınıyor. Profil yoksa veya geçersiz kılındıysa, generate_if_not_exist yeni bir profil oluşturulacağını belirler.
Azure Machine Learning çalışma alanına kayıtlı olmayan bir Veri Kümesi için bu yöntem her zaman çalışır generate_profile ve sonucu döndürür.
get_snapshot
Ada göre Veri Kümesinin anlık görüntüsünü alın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
get_snapshot(snapshot_name)Parametreler
Döndürülenler
Veri kümesi anlık görüntüsü nesnesi.
Dönüş türü
head
Bu Veri Kümesinden belirtilen kayıt sayısını çekin ve bunları DataFrame olarak döndürür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
head(count)Parametreler
Döndürülenler
A Pandas DataFrame.
Dönüş türü
list
False özelliğine sahip is_visible olanlar da dahil olmak üzere çalışma alanındaki tüm Veri Kümelerini listeleyin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine kullanılması get_all önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
static list(workspace)Parametreler
Döndürülenler
Veri kümesi nesnelerinin listesi.
Dönüş türü
reactivate
Arşivlenmiş veya kullanım dışı bırakılmış bir veri kümesini yeniden etkinleştirme.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
reactivate()Döndürülenler
Yok.
Dönüş türü
register
Veri Kümesini çalışma alanına kaydederek çalışma alanının diğer kullanıcılarının kullanımına açın.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Bunun yerine kullanılması register önerilir. Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
register(workspace, name, description=None, tags=None, visible=True, exist_ok=False, update_if_exist=False)Parametreler
- visible
- bool
Veri Kümesinin kullanıcı arabiriminde görünür olup olmadığını gösterir. False ise Veri Kümesi kullanıcı arabiriminde gizlenir ve SDK aracılığıyla kullanılabilir.
- exist_ok
- bool
True ise, yöntem veri kümesi verilen çalışma alanında zaten varsa veri kümesini döndürür, aksi takdirde hata verir.
- update_if_exist
- bool
exist_ok True ve update_if_exist True ise, bu yöntem tanımı güncelleştirir ve güncelleştirilmiş Veri Kümesini döndürür.
Döndürülenler
Çalışma alanında kayıtlı bir Dataset nesnesi.
Dönüş türü
sample
Sağlanan örnekleme stratejisini ve parametreleri kullanarak kaynak Veri Kümesinden yeni bir örnek oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın take_sample . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
sample(sample_strategy, arguments)Parametreler
- sample_strategy
- str
Kullanılacak örnek strateji. Kabul edilen değerler "top_n", "simple_random" veya "katmanlı" değerlerdir.
Yukarıda gösterilen listede "İsteğe bağlı bağımsız değişken"den anahtarlar ve tye "Type" sütunundaki değerleri içeren bir sözlük. Yalnızca ilgili örnekleme yönteminden bağımsız değişkenler kullanılabilir. Örneğin, "simple_random" örnek türü için yalnızca "olasılık" ve "tohum" anahtarlarıyla bir sözlük belirtebilirsiniz.
Döndürülenler
Özgün veri kümesinin bir örneği olarak veri kümesi nesnesi.
Dönüş türü
Açıklamalar
Örnekler, bu Veri Kümesi tarafından tanımlanan dönüştürme işlem hattı yürütülerek ve ardından çıkış verilerine örnekleme stratejisi ve parametreleri uygulanarak oluşturulur. Her örnekleme yöntemi aşağıdaki isteğe bağlı bağımsız değişkenleri destekler:
top_n
İsteğe bağlı bağımsız değişkenler
- n, tamsayı yazın. Örneğiniz olarak ilk N satırı seçin.
simple_random
İsteğe bağlı bağımsız değişkenler
olasılık, float yazın. Her satırın eşit seçilme olasılığına sahip olduğu basit rastgele örnekleme. Olasılık 0 ile 1 arasında bir sayı olmalıdır.
seed, float yazın. Rastgele sayı oluşturucu tarafından kullanılır. Tekrarlanabilirlik için kullanın.
Tabakalı
İsteğe bağlı bağımsız değişkenler
sütunlarını seçin, list[str] yazın. Verilerdeki katman sütunlarının listesi.
seed, float yazın. Rastgele sayı oluşturucu tarafından kullanılır. Tekrarlanabilirlik için kullanın.
kesirler, dict[demet, float] yazın. Tanımlama grubu: Bir katman tanımlayan sütun değerleri, sütun adlarıyla aynı sırada olmalıdır. Float: Örnekleme sırasında bir katmana bağlı ağırlık.
Aşağıdaki kod parçacıkları, farklı örnek yöntemler için örnek tasarım desenleridir.
# sample_strategy "top_n"
top_n_sample_dataset = dataset.sample('top_n', {'n': 5})
# sample_strategy "simple_random"
simple_random_sample_dataset = dataset.sample('simple_random', {'probability': 0.3, 'seed': 10.2})
# sample_strategy "stratified"
fractions = {}
fractions[('THEFT',)] = 0.5
fractions[('DECEPTIVE PRACTICE',)] = 0.2
# take 50% of records with "Primary Type" as THEFT and 20% of records with "Primary Type" as
# DECEPTIVE PRACTICE into sample Dataset
sample_dataset = dataset.sample('stratified', {'columns': ['Primary Type'], 'fractions': fractions})
to_pandas_dataframe
Bu Veri Kümesi tanımı tarafından tanımlanan dönüştürme işlem hattını yürüterek bir Pandas veri çerçevesi oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın to_pandas_dataframe . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
to_pandas_dataframe()Döndürülenler
A Pandas DataFrame.
Dönüş türü
Açıklamalar
Bellekte tam olarak gerçekleştirilmiş bir Pandas DataFrame döndürür.
to_spark_dataframe
Bu Veri Kümesi tanımı tarafından tanımlanan dönüştürme işlem hattını yürütebilen bir Spark DataFrame oluşturun.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Dataset.Tabular üzerindeki statik yöntemleri çağırarak bir TabularDataset oluşturun ve yöntemini orada kullanın to_spark_dataframe . Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
to_spark_dataframe()Döndürülenler
A Spark DataFrame.
Dönüş türü
Açıklamalar
Döndürülen Spark Veri Çerçevesi yalnızca bir yürütme planıdır ve Spark Dataframe'ler lazily olarak değerlendirildiğinden gerçekte herhangi bir veri içermez.
update
Çalışma alanındaki Veri kümesi değiştirilebilir özniteliklerini güncelleştirin ve çalışma alanından güncelleştirilmiş Veri Kümesini döndürin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
update(name=None, description=None, tags=None, visible=None)Parametreler
Döndürülenler
Çalışma alanından güncelleştirilmiş bir Veri Kümesi nesnesi.
Dönüş türü
update_definition
Veri kümesi tanımını güncelleştirin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
update_definition(definition, definition_update_message)Parametreler
Döndürülenler
Çalışma alanından güncelleştirilmiş bir Veri Kümesi nesnesi.
Dönüş türü
Açıklamalar
Güncelleştirilmiş Veri Kümesini kullanmak için bu yöntem tarafından döndürülen nesnesini kullanın.
Öznitelikler
definition
Geçerli Veri Kümesi tanımını döndürür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
Döndürülenler
Veri kümesi tanımı.
Dönüş türü
Açıklamalar
Veri kümesi tanımı, verilerin nasıl okunacağını ve dönüştürüleceğini belirten bir dizi adımdır.
AzureML çalışma alanına kayıtlı bir veri kümesinin, her biri çağrılarak update_definitionoluşturulan birden çok tanımı olabilir. Her tanımın benzersiz bir tanımlayıcısı vardır. Birden çok tanıma sahip olmak, eski tanıma bağlı olan modelleri ve işlem hatlarını bozmadan mevcut Veri Kümelerinde değişiklik yapmanıza olanak tanır.
Kayıtlı olmayan Veri Kümeleri için yalnızca bir tanım vardır.
definition_version
Veri Kümesinin geçerli tanımının sürümünü döndürür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
Döndürülenler
Veri kümesi tanımı sürümü.
Dönüş türü
Açıklamalar
Veri kümesi tanımı, verilerin nasıl okunacağını ve dönüştürüleceğini belirten bir dizi adımdır.
AzureML çalışma alanına kayıtlı bir veri kümesinin, her biri çağrılarak update_definitionoluşturulan birden çok tanımı olabilir. Her tanımın benzersiz bir tanımlayıcısı vardır. Geçerli tanım, kimliği bununla döndürülen en son tanımdır.
Kayıtlı olmayan Veri Kümeleri için yalnızca bir tanım vardır.
description
Veri Kümesinin açıklamasını döndür.
Döndürülenler
Veri kümesi açıklaması.
Dönüş türü
Açıklamalar
Veri Kümesinde verilerin açıklamasının belirtilmesi, çalışma alanı kullanıcılarının verilerin neyi temsil ettiği ve bunları nasıl kullanabileceklerini anlamasına olanak tanır.
id
Veri Kümesi bir çalışma alanına kaydedildiyse, Veri Kümesinin kimliğini döndürür. Aksi takdirde Hiçbiri'ne dönün.
Döndürülenler
Veri Kümesi Kimliği.
Dönüş türü
is_visible
Azure ML çalışma alanı kullanıcı arabiriminde kayıtlı bir Veri Kümesinin görünürlüğünü denetleyin.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
Döndürülenler
Veri kümesi görünürlüğü.
Dönüş türü
Açıklamalar
Döndürülen değerler:
Doğru: Veri kümesi çalışma alanı kullanıcı arabiriminde görünür. Varsayılan.
Yanlış: Veri kümesi çalışma alanı kullanıcı arabiriminde gizlenir.
Kayıtlı olmayan Veri Kümeleri üzerinde hiçbir etkisi yoktur.
name
state
Veri Kümesinin durumunu döndürür.
Not
Bu yöntem kullanım dışıdır ve artık desteklenmeyecektir.
Daha fazla bilgi için bkz. https://aka.ms/dataset-deprecation.
Döndürülenler
Veri kümesi durumu.
Dönüş türü
Açıklamalar
Durumların anlamı ve etkisi aşağıdaki gibidir:
Etkin. Etkin tanımlar tam olarak göründüğü gibidir, tüm eylemler etkin tanımlar üzerinde gerçekleştirilebilir.
Kullanım dışı. kullanım dışı bırakılmış tanım kullanılabilir, ancak temel alınan verilere her erişildiğinde günlüklerde bir uyarının günlüğe kaydedilmesine neden olur.
Arşivlenmiş. Arşivlenmiş tanım herhangi bir eylem gerçekleştirmek için kullanılamaz. Arşivlenmiş bir tanım üzerinde eylem gerçekleştirmek için yeniden etkinleştirilmesi gerekir.
tags
Veri Kümesi ile ilişkili etiketleri döndürün.
Döndürülenler
Veri kümesi etiketleri.
Dönüş türü
workspace
Veri kümesi bir çalışma alanına kaydedildiyse, bunu döndürebilirsiniz. Aksi takdirde Hiçbiri'ne dönün.
Döndürülenler
Çalışma alanı.
Dönüş türü
Tabular
Oluşturmak için fabrika FileDataset
diğer adı TabularDatasetFactory
Geri Bildirim
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz. https://aka.ms/ContentUserFeedback.
Gönderin ve geri bildirimi görüntüleyin