Compartilhar via


DatasetDefinition Classe

Define uma série de etapas que especificam como ler e transformar dados em um Conjunto de Dados.

Observação

Essa classe foi preterida. Para obter mais informações, consulte https://aka.ms/dataset-deprecation.

Um Conjunto de Dados registrado em um workspace do Azure Machine Learning pode ter várias definições, cada uma criada chamando update_definition. Cada definição tem um identificador exclusivo. A definição atual é a que foi criada mais recentemente.

Para Conjuntos de dados não registrados, há apenas uma definição.

As definições de Conjunto de Dados dão suporte a todas as transformações listadas para a classe <xref:azureml.dataprep.Dataflow>: consulte http://aka.ms/azureml/howto/transformdata. Para saber mais sobre Definições de Conjunto de Dados, vá para https://aka.ms/azureml/howto/versiondata.

Inicialize o objeto de definição de conjunto de dados.

Herança
azureml.dataprep.api.engineless_dataflow.EnginelessDataflow
DatasetDefinition

Construtor

DatasetDefinition(workspace=None, dataset_id=None, version_id=None, dataflow=None, dataflow_json=None, notes=None, etag=None, created_time=None, modified_time=None, state=None, deprecated_by_dataset_id=None, deprecated_by_definition_version=None, data_path=None, dataset=None, file_type='Unknown')

Parâmetros

Nome Description
workspace
Obrigatório
str

O workspace em que o conjunto de dados está registrado.

dataset_id
Obrigatório
str

O identificador do conjunto de dados.

version_id
Obrigatório
str

A versão da definição.

dataflow
Obrigatório
str

O objeto Dataflow.

dataflow_json
Obrigatório

O json de fluxo de dados.

notes
Obrigatório
str

Informações opcionais sobre a definição.

etag
Obrigatório
str

Etag.

created_time
Obrigatório

A hora de criação da definição.

modified_time
Obrigatório

A hora da última modificação da definição.

deprecated_by_dataset_id
Obrigatório
str

A ID do conjunto de dados que substitui essa definição.

deprecated_by_definition_version
Obrigatório
str

A versão da definição que substitui essa definição.

data_path
Obrigatório

O caminho dos dados.

dataset
Obrigatório

O objeto de conjunto de dados pai.

Métodos

archive

Arquive a definição do conjunto de dados.

create_snapshot

Criar um instantâneo do Conjunto de dados registrado.

deprecate

Substitua o conjunto de dados por um ponteiro para o novo conjunto de dados.

reactivate

Reative a definição do conjunto de dados.

Funciona em definições de dados que foram substituídas ou arquivadas.

to_pandas_dataframe

Crie um dataframe do Pandas executando o pipeline de transformação definido por esta definição de conjunto de dados.

to_spark_dataframe

Crie um Dataframe do Spark que possa executar o pipeline de transformação definido por este fluxo de dados.

archive

Arquive a definição do conjunto de dados.

archive()

Retornos

Tipo Description

Nenhum.

Comentários

Após o arquivamento, qualquer tentativa de recuperar o conjunto de dados resultará em um erro. Se arquivado por acidente, use reactivate para ativá-lo.

create_snapshot

Criar um instantâneo do Conjunto de dados registrado.

create_snapshot(snapshot_name, compute_target=None, create_data_snapshot=False, target_datastore=None)

Parâmetros

Nome Description
snapshot_name
Obrigatório
str

O nome do instantâneo. Os nomes de instantâneos devem ser exclusivos em um Conjunto de dados.

compute_target

O destino de computação para criar o perfil de instantâneo. Se omitido, a computação local será usada.

Valor padrão: None
create_data_snapshot

Se for True, uma cópia materializada dos dados será criada.

Valor padrão: False
target_datastore

O armazenamento de dados de destino onde salvar o instantâneo. Se omitido, o instantâneo será criado no armazenamento padrão do workspace.

Valor padrão: None

Retornos

Tipo Description

Um objeto DatasetSnapshot.

Comentários

Os instantâneos capturam estatísticas resumidas pontuais dos dados subjacentes e uma cópia opcional dos próprios dados. Para saber mais sobre como criar instantâneos, acesse https://aka.ms/azureml/howto/createsnapshots.

deprecate

Substitua o conjunto de dados por um ponteiro para o novo conjunto de dados.

deprecate(deprecate_by_dataset_id, deprecated_by_definition_version=None)

Parâmetros

Nome Description
deprecate_by_dataset_id
Obrigatório

O ID do conjunto de dados responsável pela substituição do conjunto de dados atual.

deprecated_by_definition_version
str

A versão de definição do conjunto de dados que é responsável pela substituição da definição do conjunto de dados atual.

Valor padrão: None

Retornos

Tipo Description

Nenhum.

Comentários

As definições do conjunto de dados substituídas registrarão avisos quando forem consumidas. Para bloquear completamente o consumo de uma definição de conjunto de dados, arquive-a.

Se uma definição de conjuntos de dados for substituída por acidente, use reactivate para ativá-la.

reactivate

Reative a definição do conjunto de dados.

Funciona em definições de dados que foram substituídas ou arquivadas.

reactivate()

Retornos

Tipo Description

Nenhum.

to_pandas_dataframe

Crie um dataframe do Pandas executando o pipeline de transformação definido por esta definição de conjunto de dados.

to_pandas_dataframe()

Retornos

Tipo Description

Um DataFrame do Pandas.

Comentários

Retorne um DataFrame do Pandas totalmente materializado na memória.

to_spark_dataframe

Crie um Dataframe do Spark que possa executar o pipeline de transformação definido por este fluxo de dados.

to_spark_dataframe()

Retornos

Tipo Description

Um DataFrame do Spark.

Comentários

O Dataframe do Spark retornado é apenas um plano de execução e não contém nenhum dado, já que os Dataframes do Spark são avaliados lentamente.