我刚刚开始学习如何将Python与U-SQL集成。我正在学习这个例子:
REFERENCE ASSEMBLY [ExtPython];
DECLARE @myScript = @"
def get_mentions(tweet):
return ';'.join( ( w[1:] for w in tweet.split() if w[0]=='@' ) )
def usqlml_main(df):
del df['time']
del df['author']
df['mentions'] = df.tweet.apply(get_mentions)
del df['tweet']
return df
";
@t =
SELECT * FROM
(VALUES
("D1","T1","A1","@foo Hello World @bar"),
("D2","T2","A2","@baz Hello World @beer")
) AS
D( date, time, author, tweet );
@m =
REDUCE @t ON date
PRODUCE date string, mentions string
USING new Extension.Python.Reducer(pyScript:@myScript);
OUTPUT @m
TO "/tweetmentions.csv"
USING Outputters.Csv();
在usqlml_main中,“apply”函数是什么df.tweet.apply(得到你的提及)?在
另外,REDUCE在这种情况下做了什么?在将U-SQL与Python集成时,是否总是需要这样做?在
Q: usqlml_main如何接收数据帧?D(日期、时间、作者、tweet)正在构建pandas数据帧吗?
当行集@t由使用时Extension.Python.Reducer,这些行将被放入pandas数据帧中。在
Q: 在usqlml_main中,“apply”函数是什么df.tweet.apply(得到你的提及)?
这是在DataFrames上定义的pandas apply()方法:https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.apply.html
Q: 在这种情况下REDUCE做什么?在将U-SQL与Python集成时,是否总是需要这样做?
减少是必要的。它的名字“REDUCE”在这种情况下具有误导性。在U-SQL/Python上下文中,REDUCE的目的是根据来自特定列的键值,使用REDUCE将一组较大的行分配到较小的分区中。在上面的例子中,它试图对date列进行分区。REDUCE并不意味着代码实际上必须返回一组“reduced”行。实际上reduce可以返回更多行。同样,它更多的是关于数据分区的
相关问题 更多 >
编程相关推荐