DatasetSnapshot Clase

Administra las instantáneas del conjunto de datos con operaciones para obtener una instantánea, devolver su estado y convertirla en un dataframe.

Nota

Esta clase está en desuso. Para obtener más información, vea https://aka.ms/dataset-deprecation.

Devuelve un objeto DataSnapshot desde el método create_snapshot de la clase Dataset.

La instantánea del conjunto de datos es una combinación de Profile y una copia materializada opcional de los datos.

Para más información sobre las instantáneas del conjunto de datos, vaya a https://aka.ms/azureml/howto/createsnapshots

Herencia

builtins.object

DatasetSnapshot

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)

Parámetros

Nombre	Description
workspace Requerido	<xref:azureml.core.Workspace.> Área de trabajo en la que está registrado el conjunto de datos.
snapshot_name Requerido	str Nombre de la instantánea del conjunto de datos.
dataset_id Requerido	str Identificador del conjunto de datos.
definition_version Requerido	str Versión de definición del conjunto de datos.
time_stamp Requerido	datetime Hora de creación de la instantánea.
profile_action_id Requerido	str Identificador de acción del perfil de instantánea.
datastore_name Requerido	str Nombre del almacén de datos de instantáneas.
relative_path Requerido	str Ruta de acceso relativa a los datos de instantánea.
dataset_name Requerido	str Nombre del conjunto de datos.

Métodos

compare_profiles	Compara el perfil del conjunto de datos actual con el perfil rhs_dataset. Si los perfiles no existen, este método producirá una excepción.
get	Obtiene la instantánea del conjunto de datos por nombre de instantánea.
get_all	Obtiene todas las instantáneas del conjunto de datos especificado.
get_profile	Obtiene el perfil de la instantánea del conjunto de datos.
get_status	Obtiene el estado de creación de la instantánea del conjunto de datos.
is_data_snapshot_available	Comprueba si la copia materializada de la instantánea está disponible.
to_pandas_dataframe	Crea un objeto DataFrame de Pandas cargando los datos guardados con la instantánea.
to_spark_dataframe	Crea un objeto DataFrame de Spark cargando los datos guardados con la instantánea.
wait_for_completion	Espera a que se complete la generación de DatasetSnapshot.

compare_profiles

Compara el perfil del conjunto de datos actual con el perfil rhs_dataset.

Si los perfiles no existen, este método producirá una excepción.

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

Parámetros

Nombre	Description
rhs_dataset_snapshot Requerido	DatasetSnapshot Instantánea del conjunto de datos con la que se comparará.
include_columns	list[str] Lista de nombres de columnas que se incluirán en la comparación. Valor predeterminado: None
exclude_columns	list[str] Lista de nombres de columnas que se excluirán en la comparación. Valor predeterminado: None
histogram_compare_method	HistogramCompareMethod Enumeración que describe el método de comparación, por ejemplo:WASSERSTEIN o ENERGY. Valor predeterminado: HistogramCompareMethod.WASSERSTEIN

Devoluciones

Tipo	Description
<xref:azureml.dataprep.api.engineapi.typedefinitions.DataProfileDifference>	Diferencia entre los perfiles.

get

Obtiene la instantánea del conjunto de datos por nombre de instantánea.

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

Parámetros

Nombre	Description
workspace Requerido	Workspace Área de trabajo en la que está registrado el conjunto de datos.
snapshot_name Requerido	str Nombre de la instantánea del conjunto de datos.
dataset_name Requerido	Nombre del conjunto de datos.
dataset_id Requerido	uuid Identificador del conjunto de datos.

Devoluciones

Tipo	Description
DatasetSnapshot	Objeto DatasetSnapshot.

get_all

Obtiene todas las instantáneas del conjunto de datos especificado.

static get_all(workspace, dataset_name)

Parámetros

Nombre	Description
workspace Requerido	Workspace Área de trabajo en la que está registrado el conjunto de datos.
dataset_name Requerido	Nombre del conjunto de datos.

Devoluciones

Tipo	Description
list[DatasetSnapshot]	Lista de instantáneas del conjuntos de datos.

get_profile

Obtiene el perfil de la instantánea del conjunto de datos.

get_profile()

Devoluciones

Tipo	Description
<xref:azureml.dataprep.DataProfile>	DataProfile de la instantánea del conjunto de datos

get_status

Obtiene el estado de creación de la instantánea del conjunto de datos.

get_status()

Devoluciones

Tipo	Description
str	Estado de la instantánea del conjunto de datos.

is_data_snapshot_available

Comprueba si la copia materializada de la instantánea está disponible.

is_data_snapshot_available()

Devoluciones

Tipo	Description
bool	True si la instantánea de datos está disponible.

to_pandas_dataframe

Crea un objeto DataFrame de Pandas cargando los datos guardados con la instantánea.

to_pandas_dataframe()

Devoluciones

Tipo	Description
DataFrame	Objeto DataFrame de Pandas.

Comentarios

El objeto DataFrame de Pandas está totalmente materializado en memoria. Si la instantánea se creó con create_data_snapshot=False, se produce una excepción. Para comprobar si la instantánea contiene datos, use la función is_data_snapshot_available.

to_spark_dataframe

Crea un objeto DataFrame de Spark cargando los datos guardados con la instantánea.

to_spark_dataframe()

Devoluciones

Tipo	Description
DataFrame	Objeto DataFrame de Spark.

Comentarios

La trama de datos de Spark devuelta es solo un plan de ejecución y no contiene realmente ningún dato, ya que las tramas de datos de Spark se evalúan de forma rápida. Si la instantánea se creó con create_data_snapshot=False, se produce una excepción al intentar acceder a los datos. Para comprobar si la instantánea contiene datos, use is_data_snapshot_available.

wait_for_completion

Espera a que se complete la generación de DatasetSnapshot.

wait_for_completion(show_output=True, status_update_frequency=10)

Parámetros

Nombre	Description
show_output	bool Indica si el método imprimirá la salida. Valor predeterminado: True
status_update_frequency	int Frecuencia de actualización del estado de ejecución de la acción en segundos. Valor predeterminado: 10

Atributos

dataset_id

Obtiene el identificador del conjunto de datos.

Devoluciones

Tipo	Description
str	El identificador del conjunto de datos.

name

Obtiene el nombre de instantánea del conjunto de datos.

Devoluciones

Tipo	Description
str	Nombre de instantánea del conjunto de datos.

workspace

Obtiene el área de trabajo de Azure Machine Learning donde está registrado el conjunto de datos.

Devoluciones

Tipo	Description
Workspace	Área de trabajo donde está registrado el conjunto de datos.