MaxCompute:Séquence

Prérequis

Avant de commencer, assurez-vous que vous disposez des éléments suivants :

• Une table d'exemple nommée pyodps_iris. Consultez la section Traitement des données du DataFrame.

• Un objet DataFrame. Consultez la section Créer un objet DataFrame.

Récupérer une colonne

Deux syntaxes sont prises en charge :

• collection.column_name — fonctionne lorsque le nom de la colonne est un identifiant Python valide.

• df[column_name] — fonctionne pour tout nom de colonne, y compris les noms stockés dans des variables.

# Attribute access
print(iris.sepallength.head(5))

# Bracket access — use when the column name is in a variable
col = 'sepallength'
print(iris[col].head(5))

Les deux méthodes renvoient le même résultat :

   sepallength
0          4.9
1          4.7
2          4.6
3          5.0
4          5.4

Types de colonnes

Le DataFrame possède son propre système de types. Lorsqu'un DataFrame est initialisé à partir d'une table MaxCompute, les types de données MaxCompute sont automatiquement mappés aux types DataFrame. Cette abstraction permet au même code DataFrame de s'exécuter sur plusieurs backends d'exécution : MaxCompute SQL, Pandas, MySQL et PostgreSQL.

print(iris.sepallength.dtype)

FLOAT64

print(iris.sepallength.astype('int').head(5))

   sepallength
0            4
1            4
2            4
3            5
4            5

Noms de colonnes

Chaque objet séquence doit avoir un nom de colonne. DataFrame génère automatiquement des noms pour les opérations courantes — par exemple, sepalwidth.max() produit une colonne nommée sepalwidth_max.

print(iris.groupby('name').sepalwidth.max().head(5))

Sortie :

   sepalwidth_max
0             4.4
1             3.4
2             3.8

Lorsque DataFrame ne peut pas déterminer automatiquement un nom — par exemple lorsque vous ajoutez un scalaire à une séquence — il conserve le nom de colonne d'origine. Lorsque deux colonnes sont impliquées dans un calcul, aucun nom ne peut être déduit et vous devez appeler explicitement rename.

Utilisez rename pour attribuer un nom à n'importe quelle séquence :

print(iris.sepalwidth.rename('sepal_width').head(5))

Sortie :

   sepal_width
0          3.0
1          3.2
2          3.1
3          3.6
4          3.9

Calculs de colonnes

Les opérations arithmétiques sur une séquence produisent une nouvelle séquence. Pour les colonnes numériques, tous les opérateurs arithmétiques standard sont pris en charge. Pour les colonnes de chaînes, seule la concaténation de chaînes est prise en charge.

# Add a scalar to a column
print((iris.sepallength + 5).head(5))

Sortie :

   sepallength
0          9.9
1          9.7
2          9.6
3         10.0
4         10.4

Lorsqu'une opération implique deux colonnes, PyODPS ne peut pas déterminer un nom de colonne de résultat. Appelez rename pour nommer le résultat :

print((iris.sepallength + iris.sepalwidth).rename('sum_sepal').head(5))

Sortie :

   sum_sepal
0        7.9
1        7.9
2        7.7
3        8.6
4        9.3

Pour plus d'opérations, consultez la section Opérations sur les colonnes.