PyODPS的Sequence及执行操作_示例程序_PyODPS_开发

准备测试数据。

下载鸢尾花数据集iris.data，重命名为iris.csv。

创建表pyodps.iris并上传数据集iris.csv。操作方法请参见建表并上传数据。

建表语句如下。

CREATE TABLE if not exists pyodps_iris
(
sepallength  DOUBLE comment '片长度(cm)',
sepalwidth   DOUBLE comment '片宽度(cm)',
petallength  DOUBLE comment '瓣长度(cm)',
petalwidth   DOUBLE comment '瓣宽度(cm)',
name         STRING comment '种类'
);

登录DataWorks控制台。

在左侧导航栏上单击工作空间列表。

单击工作空间后的进入数据开发。

在数据开发页面，右键单击已经创建的业务流程，选择新建 > PyODPS 2。

在新建节点对话框中，输入节点名称，并单击提交。

进入PyODPS节点编辑框，输入示例代码。示例代码如下。

from odps import DataFrame
iris = DataFrame(o.get_table('pyodps_iris'))

#获取列。
print iris.sepallength.head(5)

print iris['sepallength'].head(5)

#查看列的类型。
print iris.sepallength.dtype

#修改列的类型。
iris.sepallength.astype('int')

#计算。
print iris.groupby('name').sepallength.max().head(5)

print iris.sepallength.max()

#重命名列。
print iris.sepalwidth.rename('speal_width').head(5)

#简单的列变化。
print (iris.sepallength + iris.sepalwidth).rename('sum_sepal').head(5)

单击运行。

在运行日志中查看结果。

结果如下。

Executing user script with PyODPS 0.8.0
Try to fetch data from tunnel

   sepallength
0          4.9
1          4.7
2          4.6
3          5.0
4          5.4
Try to fetch data from tunnel
   sepallength
0          4.9
1          4.7
2          4.6
3          5.0
4          5.4
FLOAT64
Sql compiled:
CREATE TABLE tmp_pyodps_ed78e3ba_f13c_4a49_812d_2790d57c25dd LIFECYCLE 1 AS
SELECT MAX(t1.`sepallength`) AS `sepallength_max`
FROM data_service_fr.`pyodps_iris` t1
GROUP BY t1.`name`

   sepallength_max
0              5.8
1              7.0
2              7.9
Collection: ref_0
  odps.Table
    name: data_service_fr.`pyodps_iris`
    schema:
      sepallength           : double      # 片长度(cm)
      sepalwidth            : double      # 片宽度(cm)
      petallength           : double      # 瓣长度(cm)
      petalwidth            : double      # 瓣宽度(cm)
      name                  : string      # 种类
max = Max[float64]
  sepallength = Column[sequence(float64)] 'sepallength' from collection ref_0
Try to fetch data from tunnel
   speal_width
0          3.0
1          3.2
2          3.1
3          3.6
4          3.9
Sql compiled:
CREATE TABLE tmp_pyodps_28120275_8d0f_4683_8318_302fa21459ac LIFECYCLE 1 AS
SELECT t1.`sepallength` + t1.`sepalwidth` AS `sum_sepal`
FROM data_service_fr.`pyodps_iris` t1

   sum_sepal
0        7.9
1        7.9
2        7.7
3        8.6
4        9.3
2019-08-13 10:48:13 INFO =================================================================
2019-08-13 10:48:13 INFO Exit code of the Shell command 0
2019-08-13 10:48:13 INFO --- Invocation of Shell command completed ---
2019-08-13 10:48:13 INFO Shell run successfully!

按照如上方法，新建并运行Pyodps节点PyExecute。

PyExecute节点示例代码如下。

from odps import options
from odps import DataFrame

#查看运行时的instance的logview。
options.verbose = True
iris = DataFrame(o.get_table('pyodps_iris'))
iris[iris.sepallength < 5].exclude('sepallength')[:5].execute()

my_logs = []
def my_loggers(x):
    my_logs.append(x)

options.verbose_log = my_loggers

iris[iris.sepallength < 5].exclude('sepallength')[:5].execute()

print(my_logs)

#缓存中间Collection结果。
cached = iris[iris.sepalwidth < 3.5].cache()
print cached.head(3)

#异步和并行执行。
from odps.df import Delay
delay = Delay() #创建Delay对象。
df = iris[iris.sepalwidth < 5].cache()  #有一个共同的依赖。
future1 = df.sepalwidth.sum().execute(delay=delay) #立即返回future对象，此时并没有执行。
future2 = df.sepalwidth.mean().execute(delay=delay)
future3 = df.sepalwidth.max().execute(delay=delay)

delay.execute(n_parallel=3)

print future1.result()
print future2.result()
print future3.result()

运行结果如下。

Executing user script with PyODPS 0.8.0
Sql compiled:
CREATE TABLE tmp_pyodps_4a204590_0510_4e9c_823b_5b837a437840 LIFECYCLE 1 AS
SELECT t1.`sepalwidth`, t1.`petallength`, t1.`petalwidth`, t1.`name`
FROM data_service_fr.`pyodps_iris` t1
WHERE t1.`sepallength` < 5
LIMIT 5
Instance ID: 20190813025233386g04djssa
  Log view: http://logview.odps.aliyun.com/logview/XXX
['Sql compiled:', 'CREATE TABLE tmp_pyodps_03b92c55_8442_4e61_8978_656495487b8a LIFECYCLE 1 AS \nSELECT t1.`sepalwidth`, t1.`petallength`, t1.`petalwidth`, t1.`name` \nFROM data_service_fr.`pyodps_iris` t1 \nWHERE t1.`sepallength` < 5 \nLIMIT 5', 'Instance ID: 20190813025236282gcsna5pr2', u'  
Log view: http://logview.odps.aliyun.com/logview/?h=http://service.odps.aliyun.com/api&XXX

   sepallength  sepalwidth  petallength  petalwidth         name
0          4.9         3.0          1.4         0.2  Iris-setosa
1          4.7         3.2          1.3         0.2  Iris-setosa
2          4.6         3.1          1.5         0.2  Iris-setosa

454.6
3.05100671141
4.4
2019-08-13 10:52:48 INFO =================================================================
2019-08-13 10:52:48 INFO Exit code of the Shell command 0
2019-08-13 10:52:48 INFO --- Invocation of Shell command completed ---
2019-08-13 10:52:48 INFO Shell run successfully!
2019-08-13 10:52:48 INFO Current task status: FINISH

PyODPS的Sequence及执行操作

前提条件

操作步骤