MaxCompute：Praktik Skenario

Tulis skrip Python UDF dan simpan sebagai sum_pandas.py. Berikut adalah contoh skrip:

from odps.udf import annotate
import pandas as pd

@annotate("string, string -> string")
class SumColumns(object):
    def evaluate(self, arg1, arg2):
        # Konversi parameter input ke pandas DataFrame
        df = pd.DataFrame({'col1': arg1.split(','), 'col2': arg2.split(',')})

        # Lakukan operasi pemrosesan data dengan menggunakan pandas
        # Hitung jumlah dua kolom sebagai contoh
        df['sum'] = df['col1'].astype(int) + df['col2'].astype(int)

        # Konversi hasil pemrosesan menjadi string dan kembalikan
        result = ','.join(df['sum'].astype(str).values)
        return result

Unggah skrip sum_pandas.py sebagai sumber daya ke Proyek MaxCompute Anda. Untuk detail lebih lanjut, lihat Tambahkan Sumber Daya. Gunakan perintah berikut:

ADD PY sum_pandas.py -f;

Daftarkan skrip sum_pandas.py sebagai UDF SumColumns. Untuk detail lebih lanjut, lihat Buat UDF. Gunakan perintah berikut:

CREATE FUNCTION SumColumns AS 'sum_pandas.SumColumns' USING 'sum_pandas.py';

Buat tabel uji testsum dengan data uji yang sesuai.

CREATE TABLE testsum (col1 string, col2 string);
INSERT INTO testsum VALUES ('1,2,3','1,2,3'),('1,2,3','3,2,1'),('1,2,3','4,5,6');

Tentukan gambar melalui parameter Flag saat memanggil UDF.

set odps.sql.python.version=cp37;
set odps.session.image = ;
SELECT SumColumns(col1,col2) AS result FROM testsum;

Hasil yang diharapkan:

+------------+
| result     |
+------------+
| 2,4,6      |
| 4,4,4      |
| 5,7,9      |
+------------+

Siapkan tabel uji test_float_col dan masukkan data uji.

CREATE TABLE test_float_col (col1 double);
INSERT INTO test_float_col VALUES (3.75),(2.51);

Tulis kode PyODPS untuk menghitung psi(col1) dan simpan sebagai psi_col.py. Berikut adalah contoh kode:

import os
from odps import ODPS, options

def my_psi(v):
    from scipy.special import psi

    return float(psi(v))

# Jika proyek mengaktifkan isolasi, opsi berikut tidak diperlukan
options.sql.settings = {"odps.isolation.session.enable": True}

o = ODPS(
      # Pastikan variabel lingkungan ALIBABA_CLOUD_ACCESS_KEY_ID disetel ke ID AccessKey Anda,
      # dan variabel lingkungan ALIBABA_CLOUD_ACCESS_KEY_SECRET disetel ke Rahasia AccessKey Anda.
      # Tidak disarankan untuk langsung menggunakan string ID AccessKey dan Rahasia AccessKey.
      os.getenv('ALIBABA_CLOUD_ACCESS_KEY_ID'),
      os.getenv('ALIBABA_CLOUD_ACCESS_KEY_SECRET'),
      project='your-default-project',
      endpoint='your-end-point'
)

df = o.get_table("test_float_col").to_df()
# Eksekusi langsung dan dapatkan hasilnya
df.col1.map(my_psi).execute(image='scipy')
# Simpan ke tabel lain
df.col1.map(my_psi).persist("result_table", image='scipy')

Lihat hasilnya di tabel result_table.

SELECT * FROM result_table

Hasil yang diharapkan:

+----------------------+
| col1                 |
+----------------------+
| 1.1825373886117962   |
| 0.7080484451910534   |
+----------------------+

Buat tabel uji test_float_col dan masukkan data uji.

CREATE TABLE test_float_col (col1 double);
INSERT INTO test_float_col VALUES (3.75),(2.51);

Tulis kode MaxFrame untuk menghitung psi(col1) dan simpan sebagai psi_col.py. Berikut adalah contoh kode:

import os
from odps import ODPS, options
from maxframe.session import new_session
import maxframe.dataframe as md

from maxframe.config import options
from maxframe import config

# Gunakan gambar scipy bawaan
config.options.sql.settings = {
    "odps.session.image": "scipy"
}
def my_psi(v):
    from scipy.special import psi
    return float(psi(v))

o = ODPS(
      # Pastikan variabel lingkungan ALIBABA_CLOUD_ACCESS_KEY_ID disetel ke ID AccessKey Anda,
      # dan variabel lingkungan ALIBABA_CLOUD_ACCESS_KEY_SECRET disetel ke Rahasia AccessKey Anda.
      # Tidak disarankan untuk langsung menggunakan string ID AccessKey dan Rahasia AccessKey.
      os.getenv('ALIBABA_CLOUD_ACCESS_KEY_ID'),
      os.getenv('ALIBABA_CLOUD_ACCESS_KEY_SECRET'),
      project='your-default-project',
      endpoint='your-end-point'
)

# Buat sesi MaxFrame
session = new_session(o)
df = md.read_odps_table('test_float_col')

# Eksekusi dan dapatkan hasilnya
print(df.col1.map(my_psi).execute().fetch()

Hasil yang diharapkan:

0    1.182537
1    0.708048
Name: col1, dtype: float64