Dataset 類別
代表在 Azure Machine Learning 中探索、轉換和管理數據的資源。
數據集是公用 Web URL 或 Datastore 後方數據的參考。
針對此類別中已被取代的方法，請檢查 AbstractDataset 類別是否有改善的 API。
支援下列資料集型態：
TabularDataset 會以表格式格式呈現在剖析提供的檔案或檔案清單後建立的資料。
FileDataset 會參考資料存放區或公用 URL 中的單一或多個檔案。
若要開始使用資料集，請參閱 新增 & 註冊資料集一文，或參閱筆記本 https://aka.ms/tabulardataset-samplenotebook 和 https://aka.ms/filedataset-samplenotebook。
初始化 Dataset 物件。
若要取得已經向工作區註冊的數據集，請使用 get 方法。
- 繼承
-
builtins.objectDataset
建構函式
Dataset(definition, workspace=None, name=None, id=None)參數
- definition
- <xref:azureml.data.DatasetDefinition>
數據集定義。
備註
Dataset 類別會公開兩個便利類別屬性， (File 和 Tabular) 您可以使用來建立數據集，而不需使用對應的 Factory 方法。 例如，若要使用下列屬性建立數據集：
Dataset.Tabular.from_delimited_files()Dataset.File.from_files()
您也可以直接呼叫 和 FileDatasetFactory中所TabularDatasetFactory定義類別的對應 Factory 方法，以建立新的 TabularDataset 或 FileDataset。
下列範例說明如何建立指向資料存放區中單一路徑的 TabularDataset。
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()
變數
- azureml.core.Dataset.File
類別屬性，可讓您存取 FileDatasetFactory 方法來建立新的 FileDataset 物件。 使用量：Dataset.File.from_files () 。
- azureml.core.Dataset.Tabular
類別屬性，可讓您存取 TabularDatasetFactory 方法來建立新的 TabularDataset 物件。 使用量：Dataset.Tabular.from_delimited_files () 。
方法
| archive |
封存使用中或已淘汰的數據集。 |
| auto_read_files |
分析位於指定路徑 (檔案) ，並傳回新的數據集。 注意 這個方法已被取代，不再受到支援。 建議使用 Dataset.Tabular.from_* 方法來讀取檔案。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。 |
| compare_profiles |
比較目前數據集的配置檔與另一個數據集配置檔。 這會顯示兩個數據集之間的摘要統計數據差異。 參數 'rhs_dataset' 代表「右側」，只是第二個數據集。 ) 目前數據集物件 (第一個數據集會被視為「左側」。 |
| create_snapshot |
建立已註冊數據集的快照集。 |
| delete_snapshot |
依名稱刪除數據集的快照集。 |
| deprecate |
由另一個數據集取代工作區中的使用中數據集。 |
| diff |
使用rhs_dataset來差異目前的數據集。 |
| from_binary_files |
從二進位檔建立未註冊的記憶體內部數據集。 |
| from_delimited_files |
從分隔的檔案建立未註冊的記憶體內部數據集。 注意 這個方法已被取代，不再受到支援。 建議改用 Dataset.Tabular.from_delimited_files。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。 |
| from_excel_files |
從 Excel 檔案建立未註冊的記憶體內部數據集。 |
| from_json_files |
從 JSON 檔案建立未註冊的記憶體內部數據集。 注意 這個方法已被取代，不再受到支援。 建議改用 Dataset.Tabular.from_json_lines_files 從 JSON 行檔案讀取。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。 |
| from_pandas_dataframe |
從 pandas 數據框架建立未註冊的記憶體內部數據集。 注意 這個方法已被取代，不再受到支援。 建議改用 Dataset.Tabular.register_pandas_dataframe。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。 |
| from_parquet_files |
從 parquet 檔案建立未註冊的記憶體內部數據集。 注意 這個方法已被取代，不再受到支援。 建議改用 Dataset.Tabular.from_parquet_files。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。 |
| from_sql_query |
從 SQL 查詢建立未註冊的記憶體內部數據集。 注意 這個方法已被取代，不再受到支援。 建議改用 Dataset.Tabular.from_sql_query。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。 |
| generate_profile |
產生數據集的新配置檔。 |
| get |
藉由指定其名稱或標識符，取得工作區中已經存在的數據集。 |
| get_all |
取得工作區中的所有已註冊數據集。 |
| get_all_snapshots |
取得數據集的所有快照集。 |
| get_by_id |
取得儲存至工作區的數據集。 |
| get_by_name |
依其註冊名稱從工作區取得已註冊的數據集。 |
| get_definition |
取得數據集的特定定義。 |
| get_definitions |
取得數據集的所有定義。 |
| get_profile |
取得稍早計算數據集的摘要統計數據。 |
| get_snapshot |
依名稱取得數據集的快照集。 |
| head |
從這個數據集提取指定的記錄數目，並將其傳回為 DataFrame。 |
| list |
列出工作區中的所有數據集，包括屬性等於 False 的 |
| reactivate |
重新啟用封存或已被取代的數據集。 |
| register |
在工作區中註冊數據集，使其可供工作區的其他使用者使用。 |
| sample |
使用提供的取樣策略和參數，從來源數據集產生新的範例。 注意 這個方法已被取代，不再受到支援。 TabularDataset在 Dataset.Tabular 上呼叫靜態方法，並在該處使用 方法，以take_sample建立 。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。 |
| to_pandas_dataframe |
執行此數據集定義所定義的轉換管線，以建立 Pandas 數據框架。 注意 這個方法已被取代，不再受到支援。 TabularDataset在 Dataset.Tabular 上呼叫靜態方法，並在該處使用 方法，以to_pandas_dataframe建立 。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。 |
| to_spark_dataframe |
建立 Spark DataFrame，以執行此數據集定義所定義的轉換管線。 注意 這個方法已被取代，不再受到支援。 TabularDataset在 Dataset.Tabular 上呼叫靜態方法，並在該處使用 方法，以to_spark_dataframe建立 。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。 |
| update |
更新工作區中的數據集可變動屬性，並從工作區傳回更新的數據集。 |
| update_definition |
更新數據集定義。 |
archive
封存使用中或已淘汰的數據集。
archive()傳回
無。
傳回類型
備註
封存之後，任何嘗試取用數據集都會產生錯誤。 如果意外封存，重新啟動將會啟動它。
auto_read_files
分析位於指定路徑 (檔案) ，並傳回新的數據集。
注意
這個方法已被取代，不再受到支援。
建議使用 Dataset.Tabular.from_* 方法來讀取檔案。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。
static auto_read_files(path, include_path=False, partition_format=None)參數
- include_path
- bool
是否要包含包含包含讀取資料之檔案路徑的數據行。 讀取多個檔案時很有用，並想要知道特定記錄的來源檔案。 如果數據行中有您想要的檔案路徑或名稱中的資訊，也很有用。
- partition_format
- str
在路徑中指定數據分割格式，並從格式為 '{x}' 和 datetime 數據行建立字串數據行，格式為 '{x：yyyy/MM/dd/HH/mm/ss}'，其中 'yyyy'、'MM'、'HH'、'mm' 和 'ss' 是用來在日期時間類型外加年、月、日、小時、分鐘和秒。 格式應該從第一個數據分割索引鍵的位置開始，直到檔案路徑結尾為止。 例如，假設檔案路徑 '../Accounts/2019/01/01/data.csv'，其中數據是以部門名稱和時間分割，我們可以定義 '/{Department}/{PartitionDate：yyyy/MM/dd}/data.csv' 來建立字符串類型的數據行 'Department'，以及 datetime 類型的 'PartitionDate' 數據行。
傳回
Dataset 物件。
傳回類型
備註
當自動偵測到檔格式和分隔符時，請使用這個方法。
建立數據集之後，您應該使用 get_profile 來列出每個數據行的偵測到的數據行類型和摘要統計數據。
傳回的數據集未向工作區註冊。
compare_profiles
比較目前數據集的配置檔與另一個數據集配置檔。
這會顯示兩個數據集之間的摘要統計數據差異。 參數 'rhs_dataset' 代表「右側」，只是第二個數據集。 ) 目前數據集物件 (第一個數據集會被視為「左側」。
compare_profiles(rhs_dataset, profile_arguments={}, include_columns=None, exclude_columns=None, histogram_compare_method=HistogramCompareMethod.WASSERSTEIN)參數
傳回
兩個數據集配置檔之間的差異。
傳回類型
備註
這僅適用於已註冊的數據集。 如果目前數據集的配置檔不存在，則引發例外狀況。 若為未註冊的數據集，請使用 profile.compare 方法。
create_snapshot
建立已註冊數據集的快照集。
create_snapshot(snapshot_name, compute_target=None, create_data_snapshot=False, target_datastore=None)參數
- target_datastore
- Union[AbstractAzureStorageDatastore, str]
要儲存快照集的目標數據存放區。 如果省略，則會在工作區的預設記憶體中建立快照集。
傳回
數據集快照集物件。
傳回類型
備註
快照集擷取基礎數據的時間點摘要統計數據，以及數據本身的選擇性複本。 若要深入瞭解如何建立快照集，請移至 https://aka.ms/azureml/howto/createsnapshots。
delete_snapshot
依名稱刪除數據集的快照集。
delete_snapshot(snapshot_name)參數
傳回
無。
傳回類型
備註
使用此方法可釋放儲存在快照集內不再需要之數據所耗用的記憶體。
deprecate
由另一個數據集取代工作區中的使用中數據集。
deprecate(deprecate_by_dataset_id)參數
傳回
無。
傳回類型
備註
已取代的數據集會在取用時記錄警告。 取代數據集會取代其所有定義。
仍然可以取用已被取代的數據集。 若要完全封鎖數據集被取用，請封存它。
如果意外淘汰，重新啟動將會啟動它。
diff
使用rhs_dataset來差異目前的數據集。
diff(rhs_dataset, compute_target=None, columns=None)參數
傳回
數據集動作執行物件。
傳回類型
from_binary_files
從二進位檔建立未註冊的記憶體內部數據集。
static from_binary_files(path)參數
傳回
Dataset 物件。
傳回類型
備註
使用此方法將檔案讀取為二進位數據的數據流。 傳回每個檔案讀取的一個檔案數據流物件。 當您讀取影像、影片、音訊或其他二進位數據時，請使用此方法。
get_profile 和 create_snapshot 不適用於此方法所建立的數據集。
傳回的數據集未向工作區註冊。
from_delimited_files
從分隔的檔案建立未註冊的記憶體內部數據集。
注意
這個方法已被取代，不再受到支援。
建議改用 Dataset.Tabular.from_delimited_files。 如需詳細資訊，請參閱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)參數
- quoting
- bool
指定如何處理引號內的新行字元。 默認 (False) 是將新行字元解譯為起始新數據列，不論新行字元是否在引號內。 如果設定為 True，引號內的新行字元將不會產生新的數據列，而檔案讀取速度會變慢。
- archive_options
- <xref:azureml.dataprep.ArchiveOptions>
封存盤案的選項，包括封存類型和專案 Glob 模式。 我們目前僅支援 ZIP 作為封存類型。 例如，指定
archive_options = ArchiveOptions(archive_type = ArchiveType.ZIP, entry_glob = '*10-20.csv')
會在 ZIP 中讀取名稱結尾為 「10-20.csv」 的所有檔案。
- partition_format
- str
在路徑中指定數據分割格式，並從格式為 '{x}' 和 datetime 數據行建立字串數據行，格式為 '{x：yyyy/MM/dd/HH/mm/ss}'，其中 'yyyy'、'MM'、'HH'、'mm' 和 'ss' 是用來在日期時間類型外加年、月、日、小時、分鐘和秒。 格式應該從第一個數據分割索引鍵的位置開始，直到檔案路徑結尾為止。 例如，假設檔案路徑 '../Accounts/2019/01/01/data.csv'，其中數據是以部門名稱和時間分割，我們可以定義 '/{Department}/{PartitionDate：yyyy/MM/dd}/data.csv' 來建立字符串類型的數據行 'Department'，以及 datetime 類型的 'PartitionDate' 數據行。
傳回
數據集物件。
傳回類型
備註
當您想要控制所使用的選項時，請使用這個方法來讀取分隔的文字檔。
建立數據集之後，您應該使用 get_profile 來列出每個數據行的偵測到的數據行類型和摘要統計數據。
傳回的數據集未向工作區註冊。
from_excel_files
從 Excel 檔案建立未註冊的記憶體內部數據集。
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)參數
- partition_format
- str
在路徑中指定數據分割格式，並從格式 '{x}' 和 datetime 數據行建立字串數據行，格式為 '{x：yyyy/MM/dd/HH/mm/ss}'，其中 'yyyy'、'MM'、'dd'、'HH'、'mm' 和 'ss' 是用來附加日期時間類型的年、月、日、小時、分鐘和秒。 格式應該從第一個分割區索引鍵的位置開始，直到檔案路徑結尾為止。 例如，假設檔案路徑 '../Accounts/2019/01/01/data.xlsx'，其中數據會依部門名稱和時間分割，我們可以定義 '/{Department}/{PartitionDate：yyyy/MM/dd}/data.xlsx' 來建立字符串類型的數據行 'Department'，以及 datetime 類型的 'PartitionDate' 數據行。
傳回
數據集物件。
傳回類型
備註
使用此方法可讀取 .xlsx 格式的 Excel 檔案。 數據可以從每個 Excel 檔案中的一個工作表讀取。 建立數據集之後，您應該使用 get_profile 來列出每個數據行的偵測到的數據行類型和摘要統計數據。 傳回的數據集未向工作區註冊。
from_json_files
從 JSON 檔案建立未註冊的記憶體內部數據集。
注意
這個方法已被取代，不再受到支援。
建議改用 Dataset.Tabular.from_json_lines_files 從 JSON 行檔案讀取。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。
static from_json_files(path, encoding=FileEncoding.UTF8, flatten_nested_arrays=False, include_path=False, partition_format=None)參數
- path
- DataReference 或 str
您要載入和剖析的檔案路徑 () 或資料夾 () 。 它可以是本機路徑或 Azure Blob URL。 支援 Globbing。 例如，您可以使用 path = “./data*” 來讀取名稱開頭為 “data” 的所有檔案。
- partition_format
- str
在路徑中指定數據分割格式，並從格式 '{x}' 和 datetime 數據行建立字串數據行，格式為 '{x：yyyy/MM/dd/HH/mm/ss}'，其中 'yyyy'、'MM'、'dd'、'HH'、'mm' 和 'ss' 是用來附加日期時間類型的年、月、日、小時、分鐘和秒。 格式應該從第一個分割區索引鍵的位置開始，直到檔案路徑結尾為止。 例如，假設檔案路徑 '../Accounts/2019/01/01/data.json' 且數據會依部門名稱和時間分割，我們可以定義 '/{Department}/{PartitionDate：yyyy/MM/dd}/data.json' 來建立字符串類型的數據行 'Department'，以及 datetime 類型的 'PartitionDate' 數據行。
傳回
本機 Dataset 物件。
傳回類型
from_pandas_dataframe
從 pandas 數據框架建立未註冊的記憶體內部數據集。
注意
這個方法已被取代，不再受到支援。
建議改用 Dataset.Tabular.register_pandas_dataframe。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。
static from_pandas_dataframe(dataframe, path=None, in_memory=False)參數
傳回
Dataset 物件。
傳回類型
備註
使用這個方法可將 Pandas 數據框架轉換成 Dataset 物件。 此方法建立的數據集無法註冊，因為數據來自記憶體。
如果 為 in_memory False，Pandas DataFrame 會轉換成本機 CSV 檔案。 如果 pat 屬於 DataReference 類型，則 Pandas 框架會上傳至數據存放區，而數據集將會以 DataReference 為基礎。 如果 ''path' 是本機資料夾，則會從無法刪除的本機檔案建立數據集。
如果目前的 DataReference 不是資料夾路徑，則引發例外狀況。
from_parquet_files
從 parquet 檔案建立未註冊的記憶體內部數據集。
注意
這個方法已被取代，不再受到支援。
建議改用 Dataset.Tabular.from_parquet_files。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。
static from_parquet_files(path, include_path=False, partition_format=None)參數
- partition_format
- str
在路徑中指定數據分割格式，並從格式 '{x}' 和 datetime 數據行建立字串數據行，格式為 '{x：yyyy/MM/dd/HH/mm/ss}'，其中 'yyyy'、'MM'、'dd'、'HH'、'mm' 和 'ss' 是用來附加日期時間類型的年、月、日、小時、分鐘和秒。 格式應該從第一個分割區索引鍵的位置開始，直到檔案路徑結尾為止。 例如，假設檔案路徑 '../Accounts/2019/01/01/data.parquet'，其中數據會依部門名稱和時間分割，我們可以定義 '/{Department}/{PartitionDate：yyyy/MM/dd}/data.parquet' 來建立字符串類型的數據行 'Department'，以及 datetime 類型的 'PartitionDate' 數據行。
傳回
數據集物件。
傳回類型
備註
使用這個方法來讀取 Parquet 檔案。
建立數據集之後，您應該使用 get_profile 來列出每個數據行的偵測到的數據行類型和摘要統計數據。
傳回的數據集未向工作區註冊。
from_sql_query
從 SQL 查詢建立未註冊的記憶體內部數據集。
注意
這個方法已被取代，不再受到支援。
建議改用 Dataset.Tabular.from_sql_query。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。
static from_sql_query(data_source, query)參數
傳回
本機 Dataset 物件。
傳回類型
generate_profile
產生數據集的新配置檔。
generate_profile(compute_target=None, workspace=None, arguments=None)參數
配置檔自變數。 有效的自變數包括：
bool 類型的 『include_stype_counts』。 檢查值看起來是否類似一些已知的語意類型，例如電子郵件位址、IP 位址 (V4/V6) 、US 電話號碼、US 郵遞區號、緯度/經度。 啟用這項功能會影響效能。
int 類型的 『number_of_histogram_bins』。表示要用於數值數據的直方圖量化數目。 預設值是 10。
傳回
數據集動作執行物件。
傳回類型
備註
同步呼叫會封鎖直到完成為止。 呼叫 get_result 以取得動作的結果。
get
藉由指定其名稱或標識符，取得工作區中已經存在的數據集。
static get(workspace, name=None, id=None)參數
傳回
具有指定名稱或識別碼的數據集。
傳回類型
備註
您可以提供 name 或 id。 如果：
同時
name指定 和id，但不符合。工作區中找不到具有指定
name或的id數據集。
get_all
取得工作區中的所有已註冊數據集。
get_all()參數
傳回
TabularDataset 和 FileDataset 物件的字典，其註冊名稱為索引鍵。
傳回類型
get_all_snapshots
取得數據集的所有快照集。
get_all_snapshots()傳回
數據集快照集的清單。
傳回類型
get_by_id
取得儲存至工作區的數據集。
get_by_id(id, **kwargs)參數
傳回
數據集物件。 如果數據集已註冊，也會傳回其註冊名稱和版本。
傳回類型
get_by_name
依其註冊名稱從工作區取得已註冊的數據集。
get_by_name(name, version='latest', **kwargs)參數
傳回
已註冊的數據集物件。
傳回類型
get_definition
取得數據集的特定定義。
get_definition(version_id=None)參數
傳回
數據集定義。
傳回類型
備註
如果 version_id 提供 ，則 Azure Machine Learning 會嘗試取得對應至該版本的定義。 如果該版本不存在，則會擲回例外狀況。
如果 version_id 省略 ，則會擷取最新版本。
get_definitions
取得數據集的所有定義。
get_definitions()傳回
數據集定義的字典。
傳回類型
備註
在 AzureML 工作區中註冊的數據集可以有多個定義，每個定義都是藉由呼叫 update_definition來建立。 每個定義都有唯一標識碼。 目前的定義是建立的最新定義。
針對未註冊的數據集，只有一個定義存在。
get_profile
取得稍早計算數據集的摘要統計數據。
get_profile(arguments=None, generate_if_not_exist=True, workspace=None, compute_target=None)參數
傳回
數據集的 DataProfile。
傳回類型
備註
針對向 Azure Machine Learning 工作區註冊的數據集，此方法會擷取先前藉由呼叫 get_profile 它是否仍然有效所建立的現有配置檔。 在數據集中偵測到變更的數據時，配置檔會失效，或自變數與產生配置檔時所使用的自變數 get_profile 不同。 如果配置檔不存在或失效， generate_if_not_exist 將會判斷是否產生新的配置檔。
對於未向 Azure Machine Learning 工作區註冊的數據集，此方法一律會執行 generate_profile 並傳回結果。
get_snapshot
依名稱取得數據集的快照集。
get_snapshot(snapshot_name)參數
傳回
數據集快照集物件。
傳回類型
head
從這個數據集提取指定的記錄數目，並將其傳回為 DataFrame。
head(count)參數
傳回
Pandas DataFrame。
傳回類型
list
列出工作區中的所有數據集，包括屬性等於 False 的 is_visible 數據集。
static list(workspace)參數
傳回
數據集物件的清單。
傳回類型
reactivate
重新啟用封存或已被取代的數據集。
reactivate()傳回
無。
傳回類型
register
在工作區中註冊數據集，使其可供工作區的其他使用者使用。
register(workspace, name, description=None, tags=None, visible=True, exist_ok=False, update_if_exist=False)參數
傳回
工作區中已註冊的 Dataset 物件。
傳回類型
sample
使用提供的取樣策略和參數，從來源數據集產生新的範例。
注意
這個方法已被取代，不再受到支援。
TabularDataset在 Dataset.Tabular 上呼叫靜態方法，並在該處使用 方法，以take_sample建立 。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。
sample(sample_strategy, arguments)參數
字典，其中包含上述清單中 「Optional argument」 的索引鍵，以及來自 tye “Type” 資料行的值。 只能使用對應取樣方法中的自變數。 例如，針對 「simple_random」 範例類型，您只能指定具有 「probability」 和 「seed」 索引鍵的字典。
傳回
數據集物件做為原始數據集的範例。
傳回類型
備註
範例是藉由執行此數據集所定義的轉換管線來產生，然後將取樣策略和參數套用至輸出數據。 每個取樣方法都支援下列選擇性自變數：
top_n
選擇性引數
- n，輸入整數。 選取前 N 個數據列作為範例。
simple_random
選擇性引數
probability，類型 float。 簡單隨機取樣，其中每個數據列都有選取的相同機率。 機率應該是介於 0 到 1 之間的數位。
seed， type float. 隨機數產生器使用。 用於可重複性。
分層
選擇性引數
columns， type list[str]。 數據中的階層數據列清單。
seed， type float. 隨機數產生器使用。 用於可重複性。
fractions， type dict[tuple， float]。 Tuple：定義階層的數據行值必須與數據行名稱的順序相同。 Float：取樣期間附加至階層的加權。
下列代碼段是不同範例方法的範例設計模式。
# 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
執行此數據集定義所定義的轉換管線，以建立 Pandas 數據框架。
注意
這個方法已被取代，不再受到支援。
TabularDataset在 Dataset.Tabular 上呼叫靜態方法，並在該處使用 方法，以to_pandas_dataframe建立 。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。
to_pandas_dataframe()傳回
Pandas DataFrame。
傳回類型
備註
傳回記憶體中完全具體化的 Pandas DataFrame。
to_spark_dataframe
建立 Spark DataFrame，以執行此數據集定義所定義的轉換管線。
注意
這個方法已被取代，不再受到支援。
TabularDataset在 Dataset.Tabular 上呼叫靜態方法，並在該處使用 方法，以to_spark_dataframe建立 。 如需詳細資訊，請參閱https://aka.ms/dataset-deprecation。
to_spark_dataframe()傳回
Spark DataFrame。
傳回類型
備註
傳回的 Spark 資料框架只是執行計劃，而且實際上不包含任何數據，因為會延遲評估 Spark 數據框架。
update
更新工作區中的數據集可變動屬性，並從工作區傳回更新的數據集。
update(name=None, description=None, tags=None, visible=None)參數
傳回
工作區中已更新的 Dataset 物件。
傳回類型
update_definition
更新數據集定義。
update_definition(definition, definition_update_message)參數
傳回
工作區中已更新的 Dataset 物件。
傳回類型
備註
若要取用更新的數據集，請使用此方法所傳回的物件。
屬性
definition
傳回目前的數據集定義。
傳回
數據集定義。
傳回類型
備註
數據集定義是一系列步驟，可指定如何讀取和轉換數據。
在 AzureML 工作區中註冊的數據集可以有多個定義，每個定義都是藉由呼叫 update_definition來建立。 每個定義都有唯一標識碼。 擁有多個定義可讓您變更現有的數據集，而不需要中斷相依於舊定義的模型和管線。
對於未註冊的數據集，只有一個定義存在。
definition_version
傳回數據集目前定義的版本。
傳回
數據集定義版本。
傳回類型
備註
數據集定義是一系列步驟，可指定如何讀取和轉換數據。
在 AzureML 工作區中註冊的數據集可以有多個定義，每個定義都是藉由呼叫 update_definition來建立。 每個定義都有唯一標識碼。 目前的定義是所建立的最新定義，其標識碼是由這個 所傳回。
對於未註冊的數據集，只有一個定義存在。
description
id
is_visible
在 Azure ML 工作區 UI 中控制已註冊數據集的可見度。
傳回
數據集可見性。
傳回類型
備註
傳回的值：
True：數據集會顯示在工作區 UI 中。 預設值。
False：數據集隱藏在工作區 UI 中。
不會影響未註冊的數據集。
name
state
傳回數據集的狀態。
傳回
數據集狀態。
傳回類型
備註
狀態的意義和效果如下所示：
作用中。 作用中定義完全符合其音效，所有動作都可以在作用中定義上執行。
已取代。 可以使用已被取代的定義，但每次存取基礎數據時，都會在記錄中記錄警告。
存檔。 封存的定義無法用來執行任何動作。 若要對封存的定義執行動作，必須重新啟用它。
tags
workspace
Tabular
用於建立的處理站 FileDataset
意見反應
即將登場：在 2024 年，我們將逐步淘汰 GitHub 問題作為內容的意見反應機制，並將它取代為新的意見反應系統。 如需詳細資訊，請參閱：https://aka.ms/ContentUserFeedback。
提交並檢視相關的意見反應