通过

在 机器学习 Studio 中执行 Python 机器学习脚本（经典版）

  • 项目

适用于：适用于。机器学习 Studio（经典版）Azure 机器学习 不适用。

重要

对机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。 建议在该日期之前转换到 Azure 机器学习。

从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。 在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）资源。

ML 工作室（经典）文档即将停用，将来可能不会更新。

Python 是许多数据科学家工具箱中的一个有价值的工具。 它用于典型机器学习工作流的每个阶段，包括数据探索、特征提取、模型训练和验证以及部署。

本文介绍如何通过“执行 Python 脚本”模块在机器学习工作室（经典版）试验和 Web 服务中使用 Python 代码。

使用执行 Python 脚本模块

Studio 中 Python 的主要接口（经典版）是通过 执行 Python 脚本 模块。 它最多接受三个输入并生成最多两个输出，类似于 执行 R 脚本 模块。 Python 代码通过一 azureml_main个名为特殊命名的入口点函数输入到参数框中。

执行 Python 脚本模块

模块参数框中的示例 python 代码

输入参数

Python 模块的输入公开为 Pandas 数据帧。 该 azureml_main 函数最多接受两个可选的 Pandas 数据帧作为参数。

可以定位输入端口和函数参数之间的映射：

  • 第一个连接的输入端口映射到函数的第一个参数。
  • 第二个输入（如果已连接）映射到函数的第二个参数。
  • 第三个输入用于 导入其他 Python 模块。

下面显示了有关输入端口如何映射到函数参数的 azureml_main 更详细的语义。

输入端口配置和生成的 Python 签名表

输出返回值

该 azureml_main 函数必须返回打包在 Python 序列 中的单个 Pandas 数据帧，例如元组、列表或 NumPy 数组。 此序列的第一个元素将返回到模块的第一个输出端口。 模块的第二个输出端口用于 可视化效果 ，不需要返回值。 此方案如下所示。

将输入端口映射到参数并将值返回到输出端口

输入和输出数据类型的转换

工作室数据集与 Panda DataFrame 不同。 因此，工作室（经典）中的输入数据集将转换为 Pandas 数据帧，输出数据帧将转换回 Studio（经典）数据集。 在此转换过程中，还将执行以下翻译：

Python 数据类型 工作室翻译过程
字符串和数字 按原样翻译
Pandas “NA” 已转换为“缺失值”
索引向量 支持*
非字符串列名称 调用 str 列名
复制列名 添加数字后缀：（1）、（2）、（3）等。

*Python 函数中的所有输入数据帧始终具有 64 位的数字索引，范围从 0 到行数减去 1 的值。

导入现有的 Python 脚本模块

用于执行 Python 的后端基于 Anaconda，这是一种广泛使用的科学 Python 分发。 它附带了近 200 个在以数据为中心的工作负载中使用的最常见 Python 包。 工作室（经典版）目前不支持使用 Pip 或 Conda 等包管理系统来安装和管理外部库。 如果发现需要合并其他库，请使用以下方案作为指南。

常见的用例是将现有 Python 脚本合并到工作室（经典）试验中。 执行 Python 脚本模块接受包含第三个输入端口上的 Python 模块的 zip 文件。 在运行时执行框架会解压缩该文件，内容将添加到 Python 解释器的库路径。 然后，azureml_main 入口点函数可直接导入这些模块。

例如，请考虑包含简单“Hello， World”函数的文件 Hello.py。

Hello.py 文件中的用户定义函数

接下来，我们创建包含 Hello.py 的 Hello.zip 文件：

包含用户定义的 Python 代码的 Zip 文件

将 zip 文件作为数据集上传到工作室（经典）。 然后创建并运行一个试验，该试验使用 Hello.zip 文件中的 Python 代码，方法是将其附加到执行 Python 脚本模块的第三个输入端口，如下图所示。

将Hello.zip作为执行 Python 脚本模块的输入的示例试验

上传为 zip 文件的用户定义 Python 代码

模块输出显示，zip 文件未打包，并且函数 print_hello 已运行。

显示用户定义的函数的模块输出

访问Azure 存储 Blob

可以使用以下步骤访问存储在Azure Blob 存储帐户中的数据：

  1. 在本地下载适用于 Python 的 Azure Blob 存储 包。
  2. 将 zip 文件作为数据集上传到工作室（经典）工作区。
  3. 使用 创建 BlobService 对象 protocol='http'
from azure.storage.blob import BlockBlobService

# Create the BlockBlockService that is used to call the Blob service for the storage account
block_blob_service = BlockBlobService(account_name='account_name', account_key='account_key', protocol='http')
  1. 在“存储配置”设置选项卡中禁用所需的安全传输

禁用Azure 门户中所需的安全传输

实现 Python 脚本

任何在评分实验中使用的执行 Python 脚本模块在发布为 Web 服务时都将受到调用。 例如，下图显示了一个评分实验，其中包含用于计算单个 Python 表达式的代码。

Web 服务的工作室工作区

Python Pandas 表达式

从此试验创建的 Web 服务将执行以下操作：

  1. 将 Python 表达式作为输入（作为字符串）
  2. 将 Python 表达式发送到 Python 解释器
  3. 返回包含表达式和计算结果的表。

使用可视化效果

使用 MatplotLib 创建的绘图可由执行 Python 脚本返回。 但是，绘图不会在使用 R 时自动重定向到图像。因此，用户必须将任何绘图显式保存到 PNG 文件。

若要从 MatplotLib 生成图像，必须执行以下步骤：

  1. 将后端从默认的基于 Qt 的呈现器切换到“AGG”。
  2. 创建新的图形对象。
  3. 获取轴并生成其中的所有绘图。
  4. 将该图保存到 PNG 文件。

下图演示了此过程，这些图像使用 Pandas 中的scatter_matrix函数创建散点图矩阵。

将 MatplotLib 图形保存到图像的代码

单击“执行 Python 脚本”模块上的可视化以查看图表

使用 Python 代码可视化示例试验的绘图

通过将多个数字保存到不同的图像中，可以返回多个数据。 工作室（经典）运行时会选取所有图像，并连接它们进行可视化。

高级示例

Studio（经典）中安装的 Anaconda 环境包含常见包，例如 NumPy、SciPy 和 Scikits-Learn。 这些包可以有效地用于机器学习管道中的数据处理。

例如，以下试验和脚本演示了如何使用 Scikits-Learn 中的合奏学习器计算数据集的特征重要性分数。 分数可用于在馈送到另一个模型之前执行监督功能选择。

下面演示如何使用 Python 函数计算重要性评分，并根据评分为特征排序：

按分数对特征进行排名的函数

以下实验则在机器学习工作室（经典版）的“Pima Indian Diabetes”数据集中计算并返回功能的重要性得分：

使用 Python 对 Pima 印度糖尿病数据集中的特征进行排名的试验

执行 Python 脚本模块输出的可视化效果

限制

执行 Python 脚本模块当前具有以下限制：

沙盒执行

Python 运行时当前已沙盒化，不允许以持久性方式访问网络或本地文件系统。 所有本地保存的文件都将隔离，并在模块完成后删除。 Python 代码无法访问运行它的计算机上的大部分目录，当前目录及其子目录除外。

缺乏复杂的开发和调试支持

Python 模块当前不支持诸如 intellisense 和调试等 IDE 功能。 此外，如果模块在运行时失败，则整个 Python 堆栈跟踪可用。 但必须在模块的输出日志中查看跟踪。 我们目前建议在诸如 IPython 的环境中开发和调试 Python 脚本，然后将代码导入模块。

单个数据帧输出

Python 入口点仅允许将单个数据帧返回为输出。 目前无法将任意 Python 对象（如训练的模型）直接返回工作室（经典）运行时。 就像具有相同限制的执行 R 脚本一样，在许多情况下可将对象转换为字节数组，并在数据帧中返回字节数组。

无法自定义 Python 安装

当前添加自定义 Python 模块的唯一方法是如前所述的使用 zip 文件机制。 虽然这对于小型模块来说可行，但对于大型模块（尤其是具有本机 DLL 的模块）或大量模块来说，这很麻烦。

后续步骤

有关详细信息，请参阅 Python 开发人员中心。