OutputTabularDatasetConfig Clase

Representa cómo copiar la salida de una ejecución y promoverla como un objeto TabularDataset.

Inicialice outputTabularDatasetConfig.

Herencia

OutputDatasetConfig

OutputTabularDatasetConfig

Constructor

OutputTabularDatasetConfig(**kwargs)

Comentarios

No debe llamar directamente a este constructor, sino que debe crear outputFileDatasetConfig y, luego llamar a los métodos read_* correspondientes para convertirlos en OutputTabularDatasetConfig.

La forma en que se copiará la salida en el destino de outputTabularDatasetConfig es la misma que outputFileDatasetConfig. La diferencia entre ellos es que el conjunto de datos que se crea será tabularDataset que contiene todas las transformaciones especificadas.

Métodos

as_input	Especifica cómo consumir la salida como entrada en los pasos de canalización posteriores.
as_mount	Establece el modo de la salida que se montará. Para el modo de montaje, el directorio de salida será un directorio montado FUSE. Los archivos escritos en el directorio montado se cargarán cuando se cierre el archivo.
as_upload	Establece el modo de la salida que se cargará. En el modo de carga, los archivos escritos en el directorio de salida se cargarán al final del trabajo. Si se produce un error en el trabajo o se cancela, el directorio de salida no se cargará.
drop_columns	Quita las columnas especificadas del conjunto de datos.
keep_columns	Conserva las columnas especificadas y elimina todas las demás del conjunto de datos.
random_split	Divide los registros del conjunto de datos en dos partes de manera aleatoria y aproximada según el porcentaje especificado. Las configuraciones de salida resultantes tendrán sus nombres cambiados, el primero tendrá _1 anexado al nombre y el segundo tendrá _2 anexado al nombre. Si se produce una colisión de nombres o desea especificar un nombre personalizado, establezca manualmente sus nombres.

as_input

Especifica cómo consumir la salida como entrada en los pasos de canalización posteriores.

as_input(name=None)

Parámetros

Nombre	Description
name Requerido	str Nombre de la entrada específica de la ejecución.

Devoluciones

Tipo	Description
DatasetConsumptionConfig	Instancia DatasetConsumptionConfig de que describe cómo entregar los datos de entrada.

as_mount

Establece el modo de la salida que se montará.

Para el modo de montaje, el directorio de salida será un directorio montado FUSE. Los archivos escritos en el directorio montado se cargarán cuando se cierre el archivo.

as_mount()

Devoluciones

Tipo	Description
OutputTabularDatasetConfig	Instancia OutputTabularDatasetConfig con el modo establecido para montar.

as_upload

Establece el modo de la salida que se cargará.

En el modo de carga, los archivos escritos en el directorio de salida se cargarán al final del trabajo. Si se produce un error en el trabajo o se cancela, el directorio de salida no se cargará.

as_upload(overwrite=False, source_globs=None)

Parámetros

Nombre	Description
overwrite Requerido	bool Si se sobrescriben los archivos que ya existen en el destino.
source_globs Requerido	list[str] Patrones globales que se usan para filtrar los archivos que se cargarán.

Devoluciones

Tipo	Description
OutputTabularDatasetConfig	Instancia OutputTabularDatasetConfig con el modo establecido para cargar.

drop_columns

Quita las columnas especificadas del conjunto de datos.

drop_columns(columns)

Parámetros

Nombre	Description
columns Requerido	Union[str, list[str]] Nombre o lista de nombres de las columnas que se van a quitar.

Devoluciones

Tipo	Description
PipelineOutputTabularDataset	Instancia OutputTabularDatasetConfig con la que se quitarán las columnas.

keep_columns

Conserva las columnas especificadas y elimina todas las demás del conjunto de datos.

keep_columns(columns)

Parámetros

Nombre	Description
columns Requerido	Union[str, list[str]] Nombre o lista de nombres de las columnas que se van a mantener.

Devoluciones

Tipo	Description
PipelineOutputTabularDataset	Instancia OutputTabularDatasetConfig con la que se deben conservar las columnas.

random_split

Divide los registros del conjunto de datos en dos partes de manera aleatoria y aproximada según el porcentaje especificado.

Las configuraciones de salida resultantes tendrán sus nombres cambiados, el primero tendrá _1 anexado al nombre y el segundo tendrá _2 anexado al nombre. Si se produce una colisión de nombres o desea especificar un nombre personalizado, establezca manualmente sus nombres.

random_split(percentage, seed=None)

Parámetros

Nombre	Description
percentage Requerido	float Porcentaje aproximado por el que se divide el conjunto de datos. Debe ser un número comprendido entre 0,0 y 1,0.
seed Requerido	int Inicialización opcional que se usará para el generador aleatorio.

Devoluciones

Tipo	Description
tuple(OutputTabularDatasetConfig, OutputTabularDatasetConfig)	Devuelve una tupla de dos objetos OutputTabularDatasetConfig nuevos que representa los dos conjuntos de datos después de la división.