PyODPS是MaxCompute的Python版本的SDK,提供简单方便的Python编程接口。PyODPS支持类似Pandas的快速、灵活和富有表现力的数据结构。您可以通过PyODPS提供的DataFrame API使用Pandas的数据结果处理功能。本文用于帮助您快速开始使用PyODPS,并且能够用于实际项目。

前提条件

操作步骤

  1. 新建PyODPS节点。
    为方便您快速开始,本文中使用DataWorks PyODPS节点进行开发,详情请参见创建PyODPS 2节点
    说明
    • PyODPS节点底层的Python版本为2.7。
    • PyODPS节点获取本地处理的数据量不能超过50 MB,节点运行时占用的内存不能超过1 GB,否则节点任务会被系统中止。因此请避免在PyODPS任务中写入数据量较大的Python处理代码。
    • 在DataWorks上编写代码并进行调试效率较低,为提升运行效率,建议本地安装IDEA进行代码开发。
    1. 新建业务流程。
      进入数据开发页面,右键单击业务流程,选择新建业务流程
    2. 新建PyODPS节点。
      右键单击新建的业务流程,选择新建 > MaxCompute > PyODPS 2,输入节点名称,单击提交
  2. 编辑PyODPS节点。
    1. 编写程序代码。
      在PyODPS节点的编辑框中输入测试代码。以下是一个完整的使用PyODPS接口执行表操作的示例,更多关于表操作以及SQL操作的方法请参见SQL
      from odps import ODPS
      import sys
      
      reload (sys)
      #修改系统默认编码。数据中存在中文字符时需要执行此操作。
      sys.setdefaultencoding('utf8')
      
      #以直接指定字段名以及字段类型的方式创建非分区表my_new_table。
      #DataWorks的PyODPS节点中默认包含一个全局变量odps或者o,即为ODPS入口。您不需要手动定义ODPS入口,直接使用即可。更多信息,请参见在DataWorks上使用PyODPS。
      table = o.create_table('my_new_table', 'num bigint, id string', if_not_exists=True)
      
      #向非分区表my_new_table中插入数据。
      records = [[111, 'aaa'],
                [222, 'bbb'],
                [333, 'ccc'],
                [444, '中文']]
      o.write_table(table, records)
      
      #读取非分区表my_new_table中的数据。
      for record in o.read_table(table):
          print record[0],record[1]
      
      #以运行SQL的方式读取表中的数据。
      result = o.execute_sql('select * from my_new_table;',hints={'odps.sql.allow.fullscan': 'true'})
      
      #读取SQL执行结果。
      with result.open_reader() as reader:    
          for record in reader:            
              print record[0],record[1]
      
      #删除表以清除资源。
      table.drop()
    2. 运行代码。
      完成编辑后,单击运行图标。运行结束后,您可以在下方的运行日志中看到运行结果。输出如下日志代表执行成功。运行日志