Delen via

DatasetSnapshot Klas

Beheert momentopnamen van gegevenssets met bewerkingen om een module op te halen, de status ervan te retourneren en deze te converteren naar een dataframe.

Opmerking

Deze klasse is afgeschaft. Zie https://aka.ms/dataset-deprecation voor meer informatie.

Een DataSnapshot-object wordt geretourneerd door de create_snapshot methode van de Dataset klasse.

Momentopname van gegevenssets is een combinatie van Profiel en een optionele gerealiseerde kopie van de gegevens.

Voor meer informatie over momentopnamen van gegevenssets gaat u naar https://aka.ms/azureml/howto/createsnapshots

Constructor

DatasetSnapshot(workspace, snapshot_name, dataset_id, definition_version=None, time_stamp=None, profile_action_id=None, datastore_name=None, relative_path=None, dataset_name=None)

Parameters

Name Description
workspace
Vereist
<xref:azureml.core.Workspace.>

De werkruimte waarin de gegevensset is geregistreerd.
snapshot_name
Vereist
str

De naam van de momentopname van de gegevensset.
dataset_id
Vereist
str

De id van de gegevensset.
definition_version
Vereist
str

De definitieversie van de gegevensset.
time_stamp
Vereist
datetime

De aanmaaktijd van de momentopname.
profile_action_id
Vereist
str

De actie-id van het momentopnameprofiel.
datastore_name
Vereist
str

De naam van het gegevensarchief van de momentopname.
relative_path
Vereist
str

Het relatieve pad naar de momentopnamegegevens.
dataset_name
Vereist
str

De naam van de gegevensset.

Methoden

compare_profiles

Vergelijk het huidige gegevenssetprofiel met rhs_dataset profiel.

Als er geen profielen bestaan, wordt met deze methode een uitzondering gegenereerd.
get

Haal de momentopname van de gegevensset op op naam van de momentopname.
get_all

Haal alle momentopnamen van de opgegeven gegevensset op.
get_profile

Haal het profiel van de momentopname van de gegevensset op.
get_status

Haal de status van het maken van de momentopname van de gegevensset op.
is_data_snapshot_available

Controleer of de gerealiseerde kopie van de momentopname beschikbaar is.
to_pandas_dataframe

Maak een Pandas DataFrame door de gegevens te laden die zijn opgeslagen met de momentopname.
to_spark_dataframe

Maak een Spark DataFrame door de gegevens te laden die zijn opgeslagen met de momentopname.
wait_for_completion

Wacht totdat het genereren van DatasetSnapshot is voltooid.

compare_profiles

Vergelijk het huidige gegevenssetprofiel met rhs_dataset profiel.

Als er geen profielen bestaan, wordt met deze methode een uitzondering gegenereerd.

compare_profiles(rhs_dataset_snapshot, include_columns=None, exclude_columns=None, histogram_compare_method=HistogramCompareMethod.WASSERSTEIN)

Parameters

Name Description
rhs_dataset_snapshot
Vereist
DatasetSnapshot

De momentopname van de gegevensset waarmee moet worden vergeleken.
include_columns
list[str]

Een lijst met kolomnamen die moeten worden opgenomen in de vergelijking.

Default value: None
exclude_columns
list[str]

Een lijst met kolomnamen die moeten worden uitgesloten in de vergelijking.

Default value: None
histogram_compare_method
HistogramCompareMethod

Een opsomming die de vergelijkingsmethode beschrijft, bijvoorbeeld: WASSERSTEIN of ENERGY.

Default value: HistogramCompareMethod.WASSERSTEIN

Retouren

Type Description
<xref:azureml.dataprep.api.engineapi.typedefinitions.DataProfileDifference>

Het verschil tussen de profielen.

get

Haal de momentopname van de gegevensset op op naam van de momentopname.

static get(workspace, snapshot_name, dataset_name=None, dataset_id=None)

Parameters

Name Description
workspace
Vereist
Workspace

De werkruimte waarin de gegevensset is geregistreerd.
snapshot_name
Vereist
str

De naam van de momentopname van de gegevensset.
dataset_name
Vereist

De naam van de gegevensset.
dataset_id
Vereist
uuid

De id van de gegevensset.

Retouren

Type Description
DatasetSnapshot

Een DatasetSnapshot-object.

get_all

Haal alle momentopnamen van de opgegeven gegevensset op.

static get_all(workspace, dataset_name)

Parameters

Name Description
workspace
Vereist
Workspace

De werkruimte waarin de gegevensset is geregistreerd.
dataset_name
Vereist

De naam van de gegevensset.

Retouren

Type Description
list[DatasetSnapshot]

Een lijst met momentopnamen van gegevenssets

get_profile

Haal het profiel van de momentopname van de gegevensset op.

get_profile()

Retouren

Type Description
<xref:azureml.dataprep.DataProfile>

Het DataProfile van de momentopname van de gegevensset

get_status

Haal de status van het maken van de momentopname van de gegevensset op.

get_status()

Retouren

Type Description
str

De status van de momentopname van de gegevensset.

is_data_snapshot_available

Controleer of de gerealiseerde kopie van de momentopname beschikbaar is.

is_data_snapshot_available()

Retouren

Type Description
bool

Is waar als de momentopname van de gegevens beschikbaar is.

to_pandas_dataframe

Maak een Pandas DataFrame door de gegevens te laden die zijn opgeslagen met de momentopname.

to_pandas_dataframe()

Retouren

Type Description
DataFrame

Een Pandas DataFrame.

Opmerkingen

Het Pandas DataFrame is volledig gerealiseerd in het geheugen. Als de momentopname is gemaakt met create_data_snapshot=False, wordt er een uitzondering gegenereerd. Als u wilt controleren of de momentopname gegevens bevat, gebruikt u de functie is_data_snapshot_available.

to_spark_dataframe

Maak een Spark DataFrame door de gegevens te laden die zijn opgeslagen met de momentopname.

to_spark_dataframe()

Retouren

Type Description
DataFrame

Een Spark DataFrame.

Opmerkingen

Het geretourneerde Spark Dataframe is alleen een uitvoeringsplan en bevat geen gegevens, omdat Spark Dataframes lazily worden geëvalueerd. Als de momentopname is gemaakt met create_data_snapshot=False, wordt er een uitzondering gegenereerd wanneer u toegang probeert te krijgen tot de gegevens. Als u wilt controleren of de momentopname gegevens bevat, gebruikt u is_data_snapshot_available.

wait_for_completion

Wacht totdat het genereren van DatasetSnapshot is voltooid.

wait_for_completion(show_output=True, status_update_frequency=10)

Parameters

Name Description
show_output
bool

Geeft aan of de methode de uitvoer afdrukt.

Default value: True
status_update_frequency
int

De updatefrequentie van de actieuitvoeringsstatus in seconden.

Default value: 10

Kenmerken

dataset_id

Haal de gegevensset-id op.

Retouren

Type Description
str

De gegevensset-id.

name

Haal de naam van de momentopname van de gegevensset op.

Retouren

Type Description
str

De naam van de momentopname van de gegevensset.

workspace

Haal de Azure Machine Learning-werkruimte op waarin de gegevensset is geregistreerd.

Retouren

Type Description
Workspace

De werkruimte waarin de gegevensset is geregistreerd.