Dataset 类
表示在 Azure 机器学习中用于探索、转换和管理数据的资源。
Dataset 是对 Datastore 中或公共 Web URL 后面的数据的引用。
对于此类中已弃用的方法，请查看 AbstractDataset 类以获取改进的 API。
支持以下数据集类型：
TabularDataset 表示表格格式的、通过分析提供的文件或文件列表所创建的数据。
FileDataset 引用数据存储或公共 URL 中的单个或多个文件。
若要开始使用数据集，请参阅 添加 & 注册数据集一文，或查看笔记本 https://aka.ms/tabulardataset-samplenotebook 和 https://aka.ms/filedataset-samplenotebook。
初始化 Dataset 对象。
若要获取已向工作区注册的数据集，请使用 get 方法。
- 继承
-
builtins.objectDataset
构造函数
Dataset(definition, workspace=None, name=None, id=None)参数
- definition
- <xref:azureml.data.DatasetDefinition>
Dataset 定义。
注解
Dataset 类公开了两个方便的类属性（File 和 Tabular），你可使用它们创建数据集，而无需使用相应的工厂方法。 例如，可使用这些属性创建数据集：
Dataset.Tabular.from_delimited_files()Dataset.File.from_files()
还可以通过直接调用 TabularDatasetFactory 和 FileDatasetFactory 中定义的类的相应工厂方法来创建新的 TabularDataset 或 FileDataset。
以下示例演示如何创建一个指向数据存储中单个路径的 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()
变量
- azureml.core.Dataset.File
一个类属性，可提供对用于创建新的 FileDataset 对象的 FileDatasetFactory 方法的访问。 用法：Dataset.File.from_files()。
- azureml.core.Dataset.Tabular
一个类属性，可提供对用于创建新的 TabularDataset 对象的 TabularDatasetFactory 方法的访问。 用法：Dataset.Tabular.from_delimited_files()。
方法
| archive |
将活动的数据集或已弃用的数据集存档。 |
| auto_read_files |
分析指定路径的文件，并返回新的 Dataset。 注意 此方法已弃用，将不再受支持。 建议使用 Dataset.Tabular.from_* 方法读取文件。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。 |
| compare_profiles |
将当前 Dataset 的配置文件与另一个数据集配置文件进行比较。 这显示了两个数据集之间的摘要统计信息差异。 参数“rhs_dataset”表示“右侧”，只是第二个数据集。 第一个数据集（当前数据集对象）被视为“左侧”。 |
| create_snapshot |
创建已注册 Dataset 的快照。 |
| delete_snapshot |
按名称删除 Dataset 的快照。 |
| deprecate |
由另一个数据集弃用工作区中的活动数据集。 |
| diff |
区分当前 Dataset 与 rhs_dataset。 |
| from_binary_files |
从二进制文件创建未注册的内存中 Dataset。 |
| from_delimited_files |
从分隔的文件创建未注册的内存中 Dataset。 注意 此方法已弃用，将不再受支持。 建议改用 Dataset.Tabular.from_delimited_files。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。 |
| from_excel_files |
从 Excel 文件创建未注册的内存中 Dataset。 |
| from_json_files |
从 JSON 文件创建未注册的内存中 Dataset。 注意 此方法已弃用，将不再受支持。 建议改用 Dataset.Tabular.from_json_lines_files 来读取 JSON 行文件。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。 |
| from_pandas_dataframe |
从 Pandas DataFrame 创建未注册的内存中 Dataset。 注意 此方法已弃用，将不再受支持。 建议改用 Dataset.Tabular.register_pandas_dataframe。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。 |
| from_parquet_files |
从 Parquet 文件创建未注册的内存中 Dataset。 注意 此方法已弃用，将不再受支持。 建议改用 Dataset.Tabular.from_parquet_files。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。 |
| from_sql_query |
从 SQL 查询创建未注册的内存中 Dataset。 注意 此方法已弃用，将不再受支持。 建议改用 Dataset.Tabular.from_sql_query。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。 |
| generate_profile |
为 Dataset 生成新的配置文件。 |
| get |
通过指定 Dataset 的名称或 ID，获取该工作区中已存在的 Dataset。 |
| get_all |
获取工作区中所有已注册的数据集。 |
| get_all_snapshots |
获取 Dataset 的所有快照。 |
| get_by_id |
获取保存到工作区的 Dataset。 |
| get_by_name |
按 Dataset 注册名称从工作区获取已注册的 Dataset。 |
| get_definition |
获取 Dataset 的特定定义。 |
| get_definitions |
获取 Dataset 的所有定义。 |
| get_profile |
获取之前计算的 Dataset 的摘要统计信息。 |
| get_snapshot |
按名称获取 Dataset 的快照。 |
| head |
从此 Dataset 中拉取指定数量的记录并将其作为 DataFrame 返回。 |
| list |
列出工作区中的所有 Dataset，包括那些 |
| reactivate |
重新激活已存档的数据集或已弃用的数据集。 |
| register |
在工作区中注册 Dataset，使其可供工作区的其他用户使用。 |
| sample |
使用提供的采样策略和参数从源 Dataset 中生成新的示例。 注意 此方法已弃用，将不再受支持。 通过对 Dataset.Tabular 调用静态方法来创建一个 TabularDataset，并在此处使用 take_sample 方法。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。 |
| to_pandas_dataframe |
通过执行由此 Dataset 定义所定义的转换管道来创建 Pandas DataFrame。 注意 此方法已弃用，将不再受支持。 通过对 Dataset.Tabular 调用静态方法来创建一个 TabularDataset，并在此处使用 to_pandas_dataframe 方法。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。 |
| to_spark_dataframe |
创建可执行由此 Dataset 定义所定义的转换管道的 Spark DataFrame。 注意 此方法已弃用，将不再受支持。 通过对 Dataset.Tabular 调用静态方法来创建一个 TabularDataset，并在此处使用 to_spark_dataframe 方法。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。 |
| update |
更新工作区中的 Dataset 可变属性，并从工作区返回更新后的 Dataset。 |
| update_definition |
更新 Dataset 定义。 |
archive
将活动的数据集或已弃用的数据集存档。
archive()返回
无。
返回类型
注解
存档后，尝试使用 Dataset 会导致出错。 如果意外存档，重新激活将激活它。
auto_read_files
分析指定路径的文件，并返回新的 Dataset。
注意
此方法已弃用，将不再受支持。
建议使用 Dataset.Tabular.from_* 方法读取文件。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。
static auto_read_files(path, include_path=False, partition_format=None)参数
- include_path
- bool
是否包含一个列，该列包含从其中读取数据的文件的路径。 当读取多个文件，并且想要知道特定记录源自哪个文件时，这非常有用。 如果文件路径或名称的列中包含所需信息，也很有用。
- partition_format
- str
在路径中指定分区格式，并创建格式为“{x}”的字符串列和格式为“{x:yyyy/MM/dd/HH/mm/ss}”的“日期/时间”列，其中“yyyy”、“MM”、“dd”、“HH”、“mm”和“ss”分别用于提取日期/时间类型的年、月、日、小时、分钟和秒。 格式应该从第一个分区键的位置开始，直到文件路径的结尾。 例如，给定文件路径“../Accounts/2019/01/01/data.csv”，其中数据按部门名称和时间分区，我们可以定义“/{Department}/{PartitionDate:yyyy/MM/dd}/data.csv”，以创建字符串类型的列“Department”和日期/时间类型的“PartitionDate”。
返回
Dataset 对象。
返回类型
注解
在自动检测到文件格式和分隔符时，请使用此方法。
创建 Dataset 后，应使用 get_profile 列出检测到的列类型和每列的摘要统计信息。
返回的 Dataset 未注册到工作区。
compare_profiles
将当前 Dataset 的配置文件与另一个数据集配置文件进行比较。
这显示了两个数据集之间的摘要统计信息差异。 参数“rhs_dataset”表示“右侧”，只是第二个数据集。 第一个数据集（当前数据集对象）被视为“左侧”。
compare_profiles(rhs_dataset, profile_arguments={}, include_columns=None, exclude_columns=None, histogram_compare_method=HistogramCompareMethod.WASSERSTEIN)参数
返回
两个数据集配置文件的差异。
返回类型
注解
这仅适用于已注册的 Dataset。 如果当前 Dataset 的配置文件不存在，则会引发异常。 对于未注册的 Dataset，请使用 profile.compare 方法。
create_snapshot
创建已注册 Dataset 的快照。
create_snapshot(snapshot_name, compute_target=None, create_data_snapshot=False, target_datastore=None)参数
- target_datastore
- Union[AbstractAzureStorageDatastore, str]
用于保存快照的目标数据存储。 如果省略该项，将在工作区的默认存储中创建快照。
返回
Dataset 快照对象。
返回类型
注解
快照捕获基础数据的时间点摘要统计信息和数据本身的可选副本。 若要详细了解如何创建快照，请转到 https://aka.ms/azureml/howto/createsnapshots。
delete_snapshot
按名称删除 Dataset 的快照。
delete_snapshot(snapshot_name)参数
返回
无。
返回类型
注解
使用此功能可释放由不再需要的快照中保存的数据所占用的存储。
deprecate
由另一个数据集弃用工作区中的活动数据集。
deprecate(deprecate_by_dataset_id)参数
返回
无。
返回类型
注解
使用弃用的 Dataset 时，该 Dataset 将记录警告。 弃用的 Dataset 将弃用其所有定义。
仍可使用弃用的 Dataset。 若要完全阻止使用 Dataset，请将其存档。
如果意外弃用，重新激活将激活它。
diff
区分当前 Dataset 与 rhs_dataset。
diff(rhs_dataset, compute_target=None, columns=None)参数
返回
Dataset 操作运行对象。
返回类型
from_binary_files
从二进制文件创建未注册的内存中 Dataset。
static from_binary_files(path)参数
返回
Dataset 对象。
返回类型
注解
使用此方法以二进制数据流形式读取文件。 返回每个文件读取的一个文件流对象。 读取图像、视频、音频或其他二进制数据时，请使用此方法。
对于通过此方法创建的数据集，get_profile 和 create_snapshot 将无法按预期工作。
返回的 Dataset 未注册到工作区。
from_delimited_files
从分隔的文件创建未注册的内存中 Dataset。
注意
此方法已弃用，将不再受支持。
建议改用 Dataset.Tabular.from_delimited_files。 有关详细信息，请参阅 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)参数
- quoting
- bool
指定如何处理引号内的换行符。 默认值 (False) 将换行符解释为开始新行，而不考虑换行符是否在引号内。 如果该项设置为 True，则引号内的换行符将不会生成新行，并且文件读取速度会变慢。
- archive_options
- <xref:azureml.dataprep.ArchiveOptions>
存档文件的选项，包括存档类型和条目 glob 模式。 目前仅支持 ZIP 作为存档类型。 例如，指定
archive_options = ArchiveOptions(archive_type = ArchiveType.ZIP, entry_glob = '*10-20.csv')
读取 ZIP 中名称以“10-20.csv”结尾的所有文件。
- partition_format
- str
在路径中指定分区格式，并创建格式为“{x}”的字符串列和格式为“{x:yyyy/MM/dd/HH/mm/ss}”的“日期/时间”列，其中“yyyy”、“MM”、“dd”、“HH”、“mm”和“ss”分别用于提取日期/时间类型的年、月、日、小时、分钟和秒。 格式应该从第一个分区键的位置开始，直到文件路径的结尾。 例如，给定文件路径“../Accounts/2019/01/01/data.csv”，其中数据按部门名称和时间分区，我们可以定义“/{Department}/{PartitionDate:yyyy/MM/dd}/data.csv”，以创建字符串类型的列“Department”和日期/时间类型的“PartitionDate”。
返回
Dataset 对象。
返回类型
注解
如果要控制使用的选项，请使用此方法读取分隔的文本文件。
创建 Dataset 后，应使用 get_profile 列出检测到的列类型和每列的摘要统计信息。
返回的 Dataset 未注册到工作区。
from_excel_files
从 Excel 文件创建未注册的内存中 Dataset。
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)参数
- partition_format
- str
在路径中指定分区格式，并创建格式为“{x}”的字符串列和格式为“{x:yyyy/MM/dd/HH/mm/ss}”的“日期/时间”列，其中“yyyy”、“MM”、“dd”、“HH”、“mm”和“ss”分别用于提取日期/时间类型的年、月、日、小时、分钟和秒。 格式应该从第一个分区键的位置开始，直到文件路径的结尾。 例如，给定文件路径“../Accounts/2019/01/01/data.xlsx”，其中数据按部门名称和时间分区，我们可以定义“/{Department}/{PartitionDate:yyyy/MM/dd}/data.xlsx”，以创建字符串类型的列“Department”和日期/时间类型的“PartitionDate”。
返回
Dataset 对象。
返回类型
注解
使用此方法读取 .xlsx 格式的 Excel 文件。 可以从每个 Excel 文件中的一个工作表中读取数据。 创建 Dataset 后，应使用 get_profile 列出检测到的列类型和每列的摘要统计信息。 返回的 Dataset 未注册到工作区。
from_json_files
从 JSON 文件创建未注册的内存中 Dataset。
注意
此方法已弃用，将不再受支持。
建议改用 Dataset.Tabular.from_json_lines_files 来读取 JSON 行文件。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。
static from_json_files(path, encoding=FileEncoding.UTF8, flatten_nested_arrays=False, include_path=False, partition_format=None)参数
- path
- DataReference 或 str
指向要加载和分析的文件或文件夹的路径。 它可以是本地路径，也可以是 Azure Blob URL。 支持 Globbing。 例如，可以使用 path = "./data*" 读取名称以“data”开头的所有文件。
- partition_format
- str
在路径中指定分区格式，并创建格式为“{x}”的字符串列和格式为“{x:yyyy/MM/dd/HH/mm/ss}”的“日期/时间”列，其中“yyyy”、“MM”、“dd”、“HH”、“mm”和“ss”分别用于提取日期/时间类型的年、月、日、小时、分钟和秒。 格式应该从第一个分区键的位置开始，直到文件路径的结尾。 例如，给定文件路径“../Accounts/2019/01/01/data.json”，且数据按部门名称和时间分区，我们可以定义“/{Department}/{PartitionDate:yyyy/MM/dd}/data.json”，以创建字符串类型的列“Department”和日期/时间类型的“PartitionDate”。
返回
本地 Dataset 对象。
返回类型
from_pandas_dataframe
从 Pandas DataFrame 创建未注册的内存中 Dataset。
注意
此方法已弃用，将不再受支持。
建议改用 Dataset.Tabular.register_pandas_dataframe。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。
static from_pandas_dataframe(dataframe, path=None, in_memory=False)参数
返回
DataSet 对象。
返回类型
注解
使用此方法可将 Pandas DataFrame 转换为 Dataset 对象。 由于数据来自内存，因此无法注册通过此方法创建的 Dataset。
如果 in_memory 为 False，则 Pandas DataFrame 将在本地转换为 CSV 文件。 如果 pat 的类型为 DataReference，则 Pandas DataFrame 将上传到数据存储，并且该 Dataset 将基于 DataReference。 如果 ``path` 是一个本地文件夹，则将从无法删除的本地文件中创建 Dataset。
如果当前 DataReference 不是文件夹路径，则会引发异常。
from_parquet_files
从 Parquet 文件创建未注册的内存中 Dataset。
注意
此方法已弃用，将不再受支持。
建议改用 Dataset.Tabular.from_parquet_files。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。
static from_parquet_files(path, include_path=False, partition_format=None)参数
- partition_format
- str
在路径中指定分区格式，并创建格式为“{x}”的字符串列和格式为“{x:yyyy/MM/dd/HH/mm/ss}”的“日期/时间”列，其中“yyyy”、“MM”、“dd”、“HH”、“mm”和“ss”分别用于提取日期/时间类型的年、月、日、小时、分钟和秒。 格式应该从第一个分区键的位置开始，直到文件路径的结尾。 例如，给定文件路径“../Accounts/2019/01/01/data.parquet”，其中数据按部门名称和时间分区，我们可以定义“//{Department}/{PartitionDate:yyyy/MM/dd}/data.parquet”，以创建字符串类型的列“Department”和日期/时间类型的“PartitionDate”。
返回
Dataset 对象。
返回类型
注解
使用此方法可读取 Parquet 文件。
创建 Dataset 后，应使用 get_profile 列出检测到的列类型和每列的摘要统计信息。
返回的 Dataset 未注册到工作区。
from_sql_query
从 SQL 查询创建未注册的内存中 Dataset。
注意
此方法已弃用，将不再受支持。
建议改用 Dataset.Tabular.from_sql_query。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。
static from_sql_query(data_source, query)参数
返回
本地 Dataset 对象。
返回类型
generate_profile
为 Dataset 生成新的配置文件。
generate_profile(compute_target=None, workspace=None, arguments=None)参数
配置文件参数。 有效参数包括：
bool 类型的“include_stype_counts”。 检查这些值是否类似于一些已知的语义类型，如电子邮件地址、IP 地址 (V4/V6)、美国电话号码、美国邮政编码、纬度/经度。 启用此项后，将影响性能。
int 类型的“number_of_histogram_bins”。表示数值数据所需使用的直方图箱数。 默认值为 10。
返回
Dataset 操作运行对象。
返回类型
注解
将阻止同步调用直到操作完成。 调用 get_result 以获取操作的结果。
get
通过指定 Dataset 的名称或 ID，获取该工作区中已存在的 Dataset。
static get(workspace, name=None, id=None)参数
返回
具有指定名称或 ID 的 Dataset。
返回类型
注解
请提供 name 或 id。 如果出现以下情况，则将引发异常：
同时指定了
name和id，但两者不匹配。在工作区中找不到具有指定
name或id的 Dataset。
get_all
获取工作区中所有已注册的数据集。
get_all()参数
返回
以其注册名称作为键的 TabularDataset 和 FileDataset 对象的字典。
返回类型
get_all_snapshots
获取 Dataset 的所有快照。
get_all_snapshots()返回
Dataset 快照列表。
返回类型
get_by_id
获取保存到工作区的 Dataset。
get_by_id(id, **kwargs)参数
返回
数据集对象。 如果注册了数据集，则还将返回其注册名称和版本。
返回类型
get_by_name
按 Dataset 注册名称从工作区获取已注册的 Dataset。
get_by_name(name, version='latest', **kwargs)参数
返回
已注册的数据集对象。
返回类型
get_definition
获取 Dataset 的特定定义。
get_definition(version_id=None)参数
返回
Dataset 定义。
返回类型
注解
如果提供了 version_id，则 Azure 机器学习尝试获取对应于该版本的定义。 如果该版本不存在，则会引发异常。
如果省略 version_id，则检索最新版本。
get_definitions
获取 Dataset 的所有定义。
get_definitions()返回
Dataset 定义的字典。
返回类型
注解
在 AzureML 工作区中注册的 Dataset 可以有多个定义，每个定义都通过调用 update_definition 创建。 每个定义都具有唯一的标识符。 当前定义是最新创建的定义。
对于未注册的 Dataset，仅存在一个定义。
get_profile
获取之前计算的 Dataset 的摘要统计信息。
get_profile(arguments=None, generate_if_not_exist=True, workspace=None, compute_target=None)参数
返回
Dataset 的 DataProfile。
返回类型
注解
对于注册到 Azure 机器学习工作区的 Dataset，此方法将检索之前通过调用 get_profile 创建的现有配置文件（如果该配置文件仍有效）。 在 Dataset 中检测到已更改的数据，或者参数与 get_profile 生成配置文件时使用的参数不同时，配置文件无效。 如果配置文件不存在或无效，generate_if_not_exist 将确定是否生成新的配置文件。
对于未注册到 Azure 机器学习工作区的 Dataset，此方法始终运行 generate_profile 并返回结果。
get_snapshot
按名称获取 Dataset 的快照。
get_snapshot(snapshot_name)参数
返回
Dataset 快照对象。
返回类型
head
从此 Dataset 中拉取指定数量的记录并将其作为 DataFrame 返回。
head(count)参数
返回
Pandas DataFrame。
返回类型
list
列出工作区中的所有 Dataset，包括那些 is_visible 属性为 False 的 Dataset。
static list(workspace)参数
返回
Dataset 对象的列表。
返回类型
reactivate
重新激活已存档的数据集或已弃用的数据集。
reactivate()返回
无。
返回类型
register
在工作区中注册 Dataset，使其可供工作区的其他用户使用。
register(workspace, name, description=None, tags=None, visible=True, exist_ok=False, update_if_exist=False)参数
返回
工作区中已注册的 Dataset 对象。
返回类型
sample
使用提供的采样策略和参数从源 Dataset 中生成新的示例。
注意
此方法已弃用，将不再受支持。
通过对 Dataset.Tabular 调用静态方法来创建一个 TabularDataset，并在此处使用 take_sample 方法。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。
sample(sample_strategy, arguments)参数
一个字典，其中包含上面显示的“可选参数”中的键，以及“Type”类型列中的值。 只能使用相应采样方法中的参数。 例如，对于“simple_random”示例类型，只能指定包含“概率”和“种子”键的字典。
返回
作为原始数据集的示例的 Dataset 对象。
返回类型
注解
通过执行由此 Dataset 定义的转换管道，然后将采样策略和参数应用于输出数据，从而生成示例。 每个采样方法都支持以下可选参数：
top_n
可选自变量
- n，键入整数。 选择前 N 行作为示例。
simple_random
可选自变量
概率，键入 float。 简单随机采样，其中每行都具有相同的选择概率。 概率应是介于 0 和 1 之间的数字。
种子，键入 float。 由随机数生成器使用。 用于可重复性。
分层
可选自变量
列，键入 list[str]。 数据中的分层列列表。
种子，键入 float。 由随机数生成器使用。 用于可重复性。
分式，键入 dict[tuple, float]。 元组：定义层次的列值的顺序必须与列名称相同。 Float：在采样过程中附加到层次的权重。
以下代码片段是不同示例方法的示例设计模式。
# 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
通过执行由此 Dataset 定义所定义的转换管道来创建 Pandas DataFrame。
注意
此方法已弃用，将不再受支持。
通过对 Dataset.Tabular 调用静态方法来创建一个 TabularDataset，并在此处使用 to_pandas_dataframe 方法。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。
to_pandas_dataframe()返回
Pandas DataFrame。
返回类型
注解
在内存中返回完全具体化的 Pandas DataFrame。
to_spark_dataframe
创建可执行由此 Dataset 定义所定义的转换管道的 Spark DataFrame。
注意
此方法已弃用，将不再受支持。
通过对 Dataset.Tabular 调用静态方法来创建一个 TabularDataset，并在此处使用 to_spark_dataframe 方法。 有关详细信息，请参阅 https://aka.ms/dataset-deprecation。
to_spark_dataframe()返回
Spark DataFrame。
返回类型
注解
Spark Dataframe 返回的只是一个执行计划，实际上并不包含任何数据，因为 Spark Dataframe 是被延迟计算的。
update
更新工作区中的 Dataset 可变属性，并从工作区返回更新后的 Dataset。
update(name=None, description=None, tags=None, visible=None)参数
返回
工作区中更新后的 Dataset 对象。
返回类型
update_definition
更新 Dataset 定义。
update_definition(definition, definition_update_message)参数
返回
工作区中更新后的 Dataset 对象。
返回类型
注解
若要使用更新后的 Dataset，请使用此方法返回的对象。
属性
definition
返回当前 Dataset 定义。
返回
Dataset 定义。
返回类型
注解
Dataset 定义是指定如何读取和转换数据的一系列步骤。
在 AzureML 工作区中注册的 Dataset 可以有多个定义，每个定义都通过调用 update_definition 创建。 每个定义都具有唯一的标识符。 如果具有多个定义，可在不中断依赖于旧定义的模型和管道的情况下对现有 Dataset 进行更改。
对于未注册的 Dataset，仅存在一个定义。
definition_version
返回 Dataset 的当前定义版本。
返回
Dataset 定义版本。
返回类型
注解
Dataset 定义是指定如何读取和转换数据的一系列步骤。
在 AzureML 工作区中注册的 Dataset 可以有多个定义，每个定义都通过调用 update_definition 创建。 每个定义都具有唯一的标识符。 当前定义是最新创建的定义，其 ID 由此标识符返回。
对于未注册的 Dataset，仅存在一个定义。
description
id
is_visible
控制 Azure ML 工作区 UI 中已注册 Dataset 的可见性。
返回
Dataset 可见性。
返回类型
注解
返回的值：
True：Dataset 在工作区 UI 中可见。 默认。
False：Dataset 在工作区 UI 中不可见。
对未注册的 Dataset 没有影响。
name
state
返回 Dataset 的状态。
返回
Dataset 状态。
返回类型
注解
状态的含义和效果如下所示：
活动。 顾名思义，活动定义是指可以对活动定义执行所有操作。
已弃用。 可以使用弃用的定义，但每次访问基础数据时，它都会在日志中记录警告。
已存档。 存档的定义不能用于执行任何操作。 若要对存档的定义执行操作，必须重新激活该定义。
tags
workspace
Tabular
用于创建工厂 FileDataset
反馈
即将发布：在整个 2024 年，我们将逐步淘汰作为内容反馈机制的“GitHub 问题”，并将其取代为新的反馈系统。 有关详细信息，请参阅：https://aka.ms/ContentUserFeedback。
提交和查看相关反馈