TabularDataset représente les données sous forme de tableau en analysant le fichier ou la liste de fichiers fournis.

FileDataset fait référence à des fichiers uniques ou multiples dans vos magasins de données ou vos URL publiques.

Pour commencer à utiliser les jeux de données, consultez l’article Ajouter & inscrire des jeux de données ou consultez les notebooks https://aka.ms/tabulardataset-samplenotebook et https://aka.ms/filedataset-samplenotebook .

Initialisez l’objet Dataset.

Pour obtenir un jeu de données qui a déjà été inscrit auprès de l’espace de travail, utilisez la méthode get.

Remarques

La classe DataSet expose deux attributs de classe très pratiques ( File et Tabular ) que vous pouvez utiliser pour créer un jeu de données sans utiliser les méthodes de fabrique correspondantes. Par exemple, pour créer un jeu de données à l’aide des attributs suivants :

Dataset.Tabular.from_delimited_files()

Dataset.File.from_files()

Vous pouvez également créer un nouvel objet TabularDataset ou FileDataset en appelant directement les méthodes de fabrique correspondantes de la classe définie dans TabularDatasetFactory et FileDatasetFactory .

L’exemple suivant montre comment créer un TabularDataset pointant vers un chemin d’accès unique dans un magasin de données.

Un exemple complet est disponible sur https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/work-with-data/datasets-tutorial/train-with-datasets/train-with-datasets.ipynb

Variables

Attribut de classe qui donne accès aux méthodes FileDatasetFactory pour créer de nouveaux objets FileDataset. Utilisation : Dataset.File.from_files().

Analyse le ou les fichiers dans le chemin d’accès spécifié et renvoie un nouveau jeu de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Il est recommandé d’utiliser les méthodes Dataset.Tabular.from_* pour lire les fichiers. Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Compare le profil du jeu de données actuel avec celui d’un autre jeu de données.

Cela révèle les différences de statistiques récapitulatives entre deux jeux de données. Le paramètre « rhs_dataset » signifie « jeu de données de droite ». Il s’agit simplement du deuxième jeu de données. Le premier jeu de données (l’objet actuel) est considéré comme le jeu de données « de gauche ».

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Déconseille un jeu de données actif dans un espace de travail en le remplaçant par un autre jeu de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Crée un jeu de données en mémoire non-inscrit à partir d’une trame de données Pandas.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Utilisez plutôt Dataset.Tabular.register_pandas_dataframe. Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Récupère un jeu de données qui existe déjà dans l’espace de travail en spécifiant son nom ou son ID.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Utilisez plutôt get_by_name et get_by_id . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Récupère des statistiques récapitulatives sur le jeu de données calculé précédemment.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Extrait le nombre spécifié d’enregistrements à partir de ce jeu de données et les renvoie sous forme de trame de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Répertorie tous les jeux de données de l’espace de travail, y compris ceux dont la propriété is_visible est False.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Utilisez plutôt get_all . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Inscrit le jeu de données dans l’espace de travail, ce qui le met à disposition des autres utilisateurs de l’espace de travail.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Utilisez plutôt register . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Génère un nouvel échantillon à partir du jeu de données source, en utilisant la stratégie d’échantillonnage et les paramètres fournis.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Créez un jeu de données TabularDataset en appelant les méthodes statiques de Dataset.Tabular et utilisez la méthode take_sample . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Crée une trame de données Pandas en exécutant le pipeline de transformation défini par cette définition de jeu de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Créez un jeu de données TabularDataset en appelant les méthodes statiques de Dataset.Tabular et utilisez la méthode to_pandas_dataframe . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Crée une trame de données Spark qui peut exécuter le pipeline de transformation défini par cette définition de jeu de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Créez un jeu de données TabularDataset en appelant les méthodes statiques de Dataset.Tabular et utilisez la méthode to_spark_dataframe . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Met à jour les attributs modifiables du jeu de données dans l’espace de travail, et renvoie le jeu de données mis à jour à partir de l’espace de travail.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Remarques

Après l’archivage, toute tentative de consommation du jeu de données génère une erreur. S’il est archivé par accident, la réactivation l’activera.

Analyse le ou les fichiers dans le chemin d’accès spécifié et renvoie un nouveau jeu de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Il est recommandé d’utiliser les méthodes Dataset.Tabular.from_* pour lire les fichiers. Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

static auto_read_files(path, include_path=False, partition_format=None)

Paramètres

Chemin de données d’un magasin de données inscrit, chemin d’accès local ou URL HTTP (CSV/TSV).

Indique s’il faut inclure une colonne contenant le chemin d’accès au fichier à partir duquel les données ont été lues. Utile lorsque vous lisez plusieurs fichiers et que vous souhaitez savoir de quel fichier provient un enregistrement particulier. Également utile si vous souhaitez que certaines informations figurant dans le chemin d’accès ou le nom du fichier apparaissent dans une colonne.

Spécifie le format de partition dans le chemin d’accès, et crée des colonnes de type chaîne au format « {x} » et une colonne DateHeure au format « {x:yyyy/MM/dd/HH/mm/ss} », où « yyyy », « MM », « dd », « HH », « mm » et « ss » sont utilisés pour extraire l’année, le mois, le jour, l’heure, la minute et la seconde pour le type DateHeure. Le format doit commencer à partir de la position de la première clé de partition et se poursuivre jusqu’à la fin du chemin d’accès au fichier. Par exemple, à partir d’un chemin d’accès de fichier « ../Accounts/2019/01/01/data.csv » où les données sont partitionnées par nom de service et par heure, nous pouvons définir « /{Department}/{PartitionDate:yyyy/MM/dd}/data.csv » pour créer des colonnes « Department » de type chaîne et « PartitionDate » de type DateHeure.

Retours

Objet de jeu de données.

Type de retour

Remarques

Utilisez cette méthode lorsque vous souhaitez que les formats de fichiers et les délimiteurs soient détectés automatiquement.

Après avoir créé un jeu de données, vous devez utiliser get_profile pour répertorier les types de colonnes détectés et les statistiques récapitulatives de chaque colonne.

Le jeu de données retourné n’est pas inscrit auprès de l’espace de travail.

Compare le profil du jeu de données actuel avec celui d’un autre jeu de données.

Cela révèle les différences de statistiques récapitulatives entre deux jeux de données. Le paramètre « rhs_dataset » signifie « jeu de données de droite ». Il s’agit simplement du deuxième jeu de données. Le premier jeu de données (l’objet actuel) est considéré comme le jeu de données « de gauche ».

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

compare_profiles(rhs_dataset, profile_arguments={}, include_columns=None, exclude_columns=None, histogram_compare_method=HistogramCompareMethod.WASSERSTEIN)

Paramètres

Deuxième jeu de données, également appelé jeu de données « de droite », pour comparaison.

Arguments permettant de récupérer un profil spécifique.

Liste des noms de colonnes à inclure dans la comparaison.

Liste des noms de colonnes à exclure de la comparaison.

Énumération décrivant la méthode de comparaison, par exemple : Wasserstein ou Energy

Retours

Différence entre les deux profils de jeux de données.

Type de retour

Remarques

Cela concerne uniquement les jeux de données inscrits. Génère une exception si le profil du jeu de données actuel n’existe pas. Pour les jeux de données non-inscrits, utilisez la méthode profile.compare.

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

Paramètres

Nom de l’instantané. Les noms des instantanés doivent être uniques au sein d’un jeu de données.

Cible de calcul facultative pour procéder à la création du profil d’instantané. En cas d’omission, le calcul local est utilisé.

Si la valeur est True, une copie matérialisée des données est créée.

Magasin de données cible pour l’enregistrement de l’instantané. En cas d’omission, l’instantané est créé dans le stockage par défaut de l’espace de travail.

Retours

Objet d’instantané de jeu de données.

Type de retour

Remarques

Les instantanés capturent des statistiques récapitulatives des données sous-jacentes à un moment précis ainsi qu’une copie facultative des données elles-mêmes. Pour en savoir plus sur la création d’instantanés, consultez https://aka.ms/azureml/howto/createsnapshots .

Déconseille un jeu de données actif dans un espace de travail en le remplaçant par un autre jeu de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

deprecate(deprecate_by_dataset_id)

Paramètres

ID du jeu de données destiné à remplacer ce jeu de données.

Retours

Aucun.

Type de retour

Remarques

Les jeux de données déconseillés consignent des avertissements lorsqu’ils sont consommés. Lorsqu’un jeu de données est déconseillé, toutes ses définitions le sont également.

Les jeux de données déconseillés peuvent toujours être consommés. Pour empêcher la consommation complète d’un jeu de données, archivez-le.

S’il est déconseillé par accident, la réactivation l’activera.

Remarques

Utilisez cette méthode pour lire des fichiers sous forme de flux de données binaires. Renvoie un objet de flux de fichiers par fichier lu. Utilisez cette méthode lorsque vous lisez des images, des vidéos, des fichiers audio ou d’autres données binaires.

get_profile et create_snapshot ne fonctionneront pas comme prévu pour un jeu de données créé par cette méthode.

Le jeu de données retourné n’est pas inscrit auprès de l’espace de travail.

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)

Paramètres

Chemin de données d’un magasin de données inscrit, chemin d’accès local ou URL HTTP.

Séparateur utilisé pour fractionner les colonnes.

Détermine la façon dont les en-têtes de colonne sont promus lors de la lecture des fichiers.

Encodage des fichiers lus.

Indique comment traiter les caractères de nouvelle ligne qui sont entre guillemets. La valeur par défaut (False) consiste à interpréter les caractères de nouvelle ligne comme le début de nouvelles lignes, que ces caractères soient entre guillemets ou non. Si elle est définie sur True, les caractères de nouvelle ligne situés à l’intérieur des guillemets ne génèrent pas de nouvelles lignes, et la lecture du fichier est ralentie.

Indique si les types de données des colonnes sont déduits.

Nombre de lignes à ignorer dans le ou les fichiers en cours de lecture.

Détermine la façon dont les lignes sont ignorées lors de la lecture des fichiers.

Caractère utilisé pour indiquer les lignes de commentaires dans les fichiers en cours de lecture. Les lignes commençant par cette chaîne seront ignorées.

Indique s’il faut inclure une colonne contenant le chemin d’accès au fichier à partir duquel les données ont été lues. Utile lorsque vous lisez plusieurs fichiers et que vous souhaitez savoir de quel fichier provient un enregistrement particulier, ou pour conserver des informations utiles dans le chemin du fichier.

Options liées au fichier d’archive, comme le type d’archive et le modèle Glob d’entrée. Pour le moment, seul le type d’archive ZIP est pris en charge. Par exemple, spécifier

permet de lire tous les fichiers dont le nom se termine par « 10-20.csv » dans le ZIP.

Spécifie le format de partition dans le chemin d’accès, et crée des colonnes de type chaîne au format « {x} » et une colonne DateHeure au format « {x:yyyy/MM/dd/HH/mm/ss} », où « yyyy », « MM », « dd », « HH », « mm » et « ss » sont utilisés pour extraire l’année, le mois, le jour, l’heure, la minute et la seconde pour le type DateHeure. Le format doit commencer à partir de la position de la première clé de partition et se poursuivre jusqu’à la fin du chemin d’accès au fichier. Par exemple, à partir d’un chemin d’accès de fichier « ../Accounts/2019/01/01/data.csv » où les données sont partitionnées par nom de service et par heure, nous pouvons définir « /{Department}/{PartitionDate:yyyy/MM/dd}/data.csv » pour créer des colonnes « Department » de type chaîne et « PartitionDate » de type DateHeure.

Retours

Objet de jeu de données.

Type de retour

Remarques

Utilisez cette méthode pour lire des fichiers texte délimités lorsque vous souhaitez contrôler les options utilisées.

Après avoir créé un jeu de données, vous devez utiliser get_profile pour répertorier les types de colonnes détectés et les statistiques récapitulatives de chaque colonne.

Le jeu de données retourné n’est pas inscrit auprès de l’espace de travail.

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)

Paramètres

Chemin de données d’un magasin de données inscrit ou chemin d’accès local.

Nom de la feuille Excel à charger. Par défaut, nous lisons la première feuille de chaque fichier Excel.

Détermine si la première ligne doit être utilisée comme en-têtes de colonnes.

Nombre de lignes à ignorer dans le ou les fichiers en cours de lecture.

Indique s’il faut inclure une colonne contenant le chemin d’accès au fichier à partir duquel les données ont été lues. Utile lorsque vous lisez plusieurs fichiers et que vous souhaitez savoir de quel fichier provient un enregistrement particulier, ou pour conserver des informations utiles dans le chemin du fichier.

Si la valeur est True, les types de données des colonnes sont déduits.

Spécifie le format de partition dans le chemin d’accès, et crée des colonnes de type chaîne au format « {x} » et une colonne DateHeure au format « {x:yyyy/MM/dd/HH/mm/ss} », où « yyyy », « MM », « dd », « HH », « mm » et « ss » sont utilisés pour extraire l’année, le mois, le jour, l’heure, la minute et la seconde pour le type DateHeure. Le format doit commencer à partir de la position de la première clé de partition et se poursuivre jusqu’à la fin du chemin d’accès au fichier. Par exemple, à partir d’un chemin d’accès de fichier « ../Accounts/2019/01/01/data.xls » où les données sont partitionnées par nom de service et par heure, nous pouvons définir « /{Department}/{PartitionDate:yyyy/MM/dd}/data.xls » pour créer des colonnes « Department » de type chaîne et « PartitionDate » de type DateHeure.

Retours

Objet de jeu de données.

Type de retour

Remarques

Utilisez cette méthode pour lire les fichiers Excel au format .xlsx. Les données peuvent être lues à partir d’une seule feuille dans chaque fichier Excel. Après avoir créé un jeu de données, vous devez utiliser get_profile pour répertorier les types de colonnes détectés et les statistiques récapitulatives de chaque colonne. Le jeu de données retourné n’est pas inscrit auprès de l’espace de travail.

static from_json_files(path, encoding=FileEncoding.UTF8, flatten_nested_arrays=False, include_path=False, partition_format=None)

Paramètres

Chemin d’accès au(x) fichier(s) ou dossier(s) que vous souhaitez charger et analyser. Il peut s’agir d’un chemin d’accès local ou de l’URL d’un objet blob Azure. Les caractères génériques sont pris en charge. Par exemple, vous pouvez utiliser path = "./data*" pour lire tous les fichiers dont le nom commence par « Data ».

Encodage des fichiers lus.

Propriété contrôlant la gestion par le programme des tableaux imbriqués. Si vous choisissez d’aplatir les tableaux JSON imbriqués, vous risquez d’obtenir un nombre de lignes beaucoup plus important.

Indique s’il faut inclure une colonne contenant le chemin d’accès à partir duquel les données ont été lues. Utile lorsque vous lisez plusieurs fichiers et que vous souhaitez savoir de quel fichier provient un enregistrement particulier, ou pour conserver des informations utiles dans le chemin du fichier.

Spécifie le format de partition dans le chemin d’accès, et crée des colonnes de type chaîne au format « {x} » et une colonne DateHeure au format « {x:yyyy/MM/dd/HH/mm/ss} », où « yyyy », « MM », « dd », « HH », « mm » et « ss » sont utilisés pour extraire l’année, le mois, le jour, l’heure, la minute et la seconde pour le type DateHeure. Le format doit commencer à partir de la position de la première clé de partition et se poursuivre jusqu’à la fin du chemin d’accès au fichier. Par exemple, à partir d’un chemin d’accès de fichier « ../Accounts/2019/01/01/data.json » où les données sont partitionnées par nom de service et par heure, nous pouvons définir « /{Department}/{PartitionDate:yyyy/MM/dd}/data.json » pour créer des colonnes « Department » de type chaîne et « PartitionDate » de type DateHeure.

Retours

Objet de jeu de données local.

Type de retour

Crée un jeu de données en mémoire non-inscrit à partir d’une trame de données Pandas.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Utilisez plutôt Dataset.Tabular.register_pandas_dataframe. Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

static from_pandas_dataframe(dataframe, path=None, in_memory=False)

Paramètres

Trame de données Pandas.

Chemin de données d’un magasin de données inscrit ou chemin d’accès local du dossier.

Indique s’il faut lire la trame de données à partir de la mémoire au lieu d’en assurer la persistance sur le disque.

Retours

Objet de jeu de données.

Type de retour

Remarques

Utilisez cette méthode pour convertir une trame de données Pandas en objet de jeu de données. Un jeu de données créé à l’aide de cette méthode ne peut pas être inscrit, car les données proviennent de la mémoire.

Si la valeur de in_memory est False, la trame de données Pandas est convertie en fichier CSV localement. Si le type de pat est DataReference, la trame de données Pandas est chargée dans le magasin de données et le jeu de données est basé sur l’élément DataReference. Si « path » est un dossier local, le jeu de données est créé à partir du fichier local qui ne peut pas être supprimé.

Génère une exception si l’élément DataReference actuel n’est pas un chemin de dossier.

Indique s’il faut inclure une colonne contenant le chemin d’accès au fichier à partir duquel les données ont été lues. Utile lorsque vous lisez plusieurs fichiers et que vous souhaitez savoir de quel fichier provient un enregistrement particulier, ou pour conserver des informations utiles dans le chemin du fichier.

Spécifie le format de partition dans le chemin d’accès, et crée des colonnes de type chaîne au format « {x} » et une colonne DateHeure au format « {x:yyyy/MM/dd/HH/mm/ss} », où « yyyy », « MM », « dd », « HH », « mm » et « ss » sont utilisés pour extraire l’année, le mois, le jour, l’heure, la minute et la seconde pour le type DateHeure. Le format doit commencer à partir de la position de la première clé de partition et se poursuivre jusqu’à la fin du chemin d’accès au fichier. Par exemple, à partir d’un chemin d’accès de fichier « ../Accounts/2019/01/01/data.parquet » où les données sont partitionnées par nom de service et par heure, nous pouvons définir « /{Department}/{PartitionDate:yyyy/MM/dd}/data.parquet » pour créer des colonnes « Department » de type chaîne et « PartitionDate » de type DateHeure.

Retours

Objet de jeu de données.

Type de retour

Remarques

Utilisez cette méthode pour lire les fichiers Parquet.

Après avoir créé un jeu de données, vous devez utiliser get_profile pour répertorier les types de colonnes détectés et les statistiques récapitulatives de chaque colonne.

Le jeu de données retourné n’est pas inscrit auprès de l’espace de travail.

Cible de calcul facultative pour procéder à la création du profil d’instantané. En cas d’omission, le calcul local est utilisé.

Espace de travail, requis pour les jeux de données temporaires (non-inscrits).

Arguments associés au profil. Les arguments valides sont :

« include_stype_counts » de type bool. Vérifiez si les valeurs sont semblables à certains types sémantiques bien connus, tels que l’adresse e-mail, l’adresse IP (V4/V6), le numéro de téléphone américain, le code postal américain, la latitude/longitude. L’activation de cet argument influe sur les performances.

« number_of_histogram_bins » de type int. Représente le nombre de classes d’histogramme à utiliser pour les données numériques. La valeur par défaut est 10.

Récupère un jeu de données qui existe déjà dans l’espace de travail en spécifiant son nom ou son ID.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Utilisez plutôt get_by_name et get_by_id . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

static get(workspace, name=None, id=None)

Paramètres

Espace de travail Azure Machine Learning existant dans lequel le jeu de données a été créé.

Nom du jeu de données à récupérer.

Identificateur unique du jeu de données dans l’espace de travail.

Retours

Jeu de données correspondant au nom ou à l’ID spécifié.

Type de retour

Remarques

Vous pouvez fournir la propriété name ou id . Une exception est générée si :

les propriétés name et id sont toutes deux spécifiées mais ne correspondent pas.

le jeu de données correspondant à la propriété name ou id spécifiée est introuvable dans l’espace de travail.

Espace de travail Azure Machine Learning existant dans lequel les jeux de données ont été inscrits.

Retours

Dictionnaire d’objets TabularDataset et FileDataset indexés par leur nom d’inscription.

Type de retour

Retours

Objet de jeu de données. Si le jeu de données est inscrit, son nom et sa version d’inscription sont également renvoyés.

Type de retour

Remarques

Si version_id est fourni, Azure Machine Learning essaie d’obtenir la définition correspondant à cette version. Si cette version n’existe pas, une exception est générée. Si version_id est omis, la version la plus récente est récupérée.

Remarques

Un jeu de données inscrit dans un espace de travail Azure Machine Learning peut avoir plusieurs définitions, chacune créée en appelant update_definition . Chaque définition possède un identificateur unique. La définition actuelle est la dernière créée.

Pour les jeux de données non inscrits, il n’existe qu’une seule définition.

Récupère des statistiques récapitulatives sur le jeu de données calculé précédemment.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

get_profile(arguments=None, generate_if_not_exist=True, workspace=None, compute_target=None)

Paramètres

Arguments associés au profil.

Indique s’il faut générer un profil s’il n’existe pas.

Espace de travail, requis pour les jeux de données temporaires (non inscrits).

Cible de calcul pour exécuter l’action de profil.

Retours

Schéma DataProfile du jeu de données.

Type de retour

Remarques

Pour un jeu de données inscrit auprès d’un espace de travail Azure Machine Learning, cette méthode récupère un profil existant précédemment créé en appelant get_profile s’il est toujours valide. Les profils sont invalidés si des modifications sont détectées dans le jeu de données ou que les arguments de get_profile sont différents de ceux utilisés lors de la génération du profil. Si le profil est absent ou invalidé, generate_if_not_exist détermine si un nouveau profil est généré.

Pour un jeu de données qui n’est pas inscrit auprès d’un espace de travail Azure Machine Learning, cette méthode exécute toujours generate_profile et renvoie le résultat.

Extrait le nombre spécifié d’enregistrements à partir de ce jeu de données et les renvoie sous forme de trame de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

head(count)

Paramètres

Nombre d’enregistrements à extraire.

Retours

Trame de données Pandas.

Type de retour

Répertorie tous les jeux de données de l’espace de travail, y compris ceux dont la propriété is_visible est False.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Utilisez plutôt get_all . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

static list(workspace)

Paramètres

Espace de travail pour lequel vous souhaitez récupérer la liste des jeux de données.

Retours

Liste des objets de jeu de données.

Type de retour

Inscrit le jeu de données dans l’espace de travail, ce qui le met à disposition des autres utilisateurs de l’espace de travail.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Utilisez plutôt register . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

register(workspace, name, description=None, tags=None, visible=True, exist_ok=False, update_if_exist=False)

Paramètres

Espace de travail Azure Machine Learning dans lequel le jeu de données doit être enregistré.

Nom du jeu de données figurant dans l’espace de travail.

Description du jeu de données.

Étiquettes à associer au jeu de données.

Indique si le jeu de données est visible dans l’IU. Si la valeur est False, le jeu de données est masqué dans l’IU et disponible via le Kit de développement logiciel (SDK).

Si la valeur est True, la méthode renvoie le jeu de données, à condition que celui-ci existe déjà dans l’espace de travail donné, sinon une erreur est générée.

Si les valeurs des propriétés exist_ok et update_if_exist sont toutes deux True, cette méthode met la définition à jour et renvoie le jeu de données mis à jour.

Retours

Objet de jeu de données inscrit dans l’espace de travail.

Type de retour

Génère un nouvel échantillon à partir du jeu de données source, en utilisant la stratégie d’échantillonnage et les paramètres fournis.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Créez un jeu de données TabularDataset en appelant les méthodes statiques de Dataset.Tabular et utilisez la méthode take_sample . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

sample(sample_strategy, arguments)

Paramètres

Exemple de stratégie à utiliser. Les valeurs acceptées sont « top_n », « simple_random » ou « stratified ».

Dictionnaire contenant les clés de la colonne « Argument facultatif » de la liste ci-dessus, et les valeurs de la colonne « Type ». Seuls les arguments de la méthode d’échantillonnage correspondante peuvent être utilisés. Par exemple, pour un type d’échantillon « simple_random », vous pouvez uniquement spécifier un dictionnaire contenant les clés « probabilité » et « seed ».

Retours

Objet de jeu de données en tant qu’échantillon du jeu de données d’origine.

Type de retour

Remarques

Les échantillons sont générés en exécutant le pipeline de transformation défini par ce jeu de données, puis en appliquant la stratégie et les paramètres d’échantillonnage aux données de sortie. Chaque méthode d’échantillonnage prend en charge les arguments facultatifs suivants :

top_n

Arguments facultatifs

Arguments facultatifs

probabilité, type float. Échantillonnage aléatoire simple où chaque ligne a la même probabilité d’être sélectionnée. La probabilité doit être un nombre compris entre 0 et 1.

seed, type float. Utilisé par le générateur de nombres aléatoires. À utiliser à des fins de reproductibilité.

Arguments facultatifs

colonnes, type list[str]. Liste des colonnes de strates dans les données.

seed, type float. Utilisé par le générateur de nombres aléatoires. À utiliser à des fins de reproductibilité.

fractions, type dict[tuple, float]. Tuple : valeurs de colonne qui définissent une strate. Doivent être dans le même ordre que les noms des colonnes. Float : poids attaché à une strate pendant l’échantillonnage.

Les extraits de code suivants sont des exemples de modèles de conception correspondant à différentes méthodes d’échantillonnage.

Crée une trame de données Pandas en exécutant le pipeline de transformation défini par cette définition de jeu de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Créez un jeu de données TabularDataset en appelant les méthodes statiques de Dataset.Tabular et utilisez la méthode to_pandas_dataframe . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

to_pandas_dataframe()

Retours

Trame de données Pandas.

Type de retour

Remarques

Renvoie une trame de données entièrement matérialisée en mémoire.

Crée une trame de données Spark qui peut exécuter le pipeline de transformation défini par cette définition de jeu de données.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Créez un jeu de données TabularDataset en appelant les méthodes statiques de Dataset.Tabular et utilisez la méthode to_spark_dataframe . Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

to_spark_dataframe()

Retours

Trame de données Spark.

Type de retour

Remarques

La trame de données Spark renvoyée n’est qu’un plan d’exécution et ne contient en fait aucune donnée, car les trames de données Spark sont évaluées en différé.

Met à jour les attributs modifiables du jeu de données dans l’espace de travail, et renvoie le jeu de données mis à jour à partir de l’espace de travail.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

update(name=None, description=None, tags=None, visible=None)

Paramètres

Nom du jeu de données figurant dans l’espace de travail.

Description des données.

Étiquettes auxquelles associer le jeu de données.

Indique si le jeu de données est visible dans l’IU.

Retours

Objet de jeu de données mis à jour à partir de l’espace de travail.

Type de retour

Remarques

Une définition de jeu de données est une série d’étapes qui spécifient comment lire et transformer des données.

Un jeu de données inscrit dans un espace de travail Azure Machine Learning peut avoir plusieurs définitions, chacune créée en appelant update_definition . Chaque définition possède un identificateur unique. L’existence de ces différentes définitions vous permet d’apporter des modifications aux jeux de données existants sans arrêter les modèles et les pipelines qui dépendent de l’ancienne définition.

Pour les jeux de données non inscrits, il n’existe qu’une seule définition.

Remarques

Une définition de jeu de données est une série d’étapes qui spécifient comment lire et transformer des données.

Un jeu de données inscrit dans un espace de travail Azure Machine Learning peut avoir plusieurs définitions, chacune créée en appelant update_definition . Chaque définition possède un identificateur unique. La définition actuelle est la dernière créée, et son ID est renvoyé par cette méthode.

Pour les jeux de données non inscrits, il n’existe qu’une seule définition.

Détermine la visibilité d’un jeu de données inscrit dans l’IU de l’espace de travail Azure Machine Learning.

Notes

Cette méthode est déconseillée et ne sera plus prise en charge à l’avenir.

Pour plus d’informations, consultez https://aka.ms/dataset-deprecation .

Valeurs renvoyées :

True : le jeu de données est visible dans l’IU de l’espace de travail. Par défaut.

False : le jeu de données est masqué dans l’IU de l’espace de travail.

N’a aucun effet sur les jeux de données non-inscrits.

La signification et l’effet des états sont les suivants :

actif. Les définitions actives peuvent faire l’objet de tous types d’actions.

Action déconseillée. Une définition déconseillée peut être utilisée, mais un avertissement est consigné dans les journaux chaque fois que les données sous-jacentes sont consultées.

Archivé. Une définition archivée ne peut pas être utilisée pour effectuer une quelconque action. Pour effectuer des actions sur une définition archivée, celle-ci doit être réactivée.