MTable Expander - Platform For AI

Gunakan MTable Expander untuk memperluas MTable menjadi tabel, sehingga mempermudah pemrosesan dan demonstrasi data.

Sumber daya komputasi yang didukung

MaxCompute
Apache Flink
Deep Learning Containers (DLC)

Konfigurasikan komponen di konsol Machine Learning Platform for AI (PAI)

Port Input
Port input (kiri ke kanan)
Tipe data
Komponen hulu yang direkomendasikan
Diperlukan
data
Tidak ada
Read Table
Prophet
Ya
Parameter Komponen

Kategori	Parameter		Nilai yang diperlukan
Field Setting	selectedCol		Nama kolom yang dihitung. Nilai parameter ini adalah STRING dalam format MTABLE.
	reservedCols		Kolom yang akan disimpan oleh algoritma.
Parameters Setting	Schema		Nama dan tipe kolom yang diperluas. Formatnya adalah colname coltype[, colname2, coltype2[, ...]], seperti f0 string, f1 bigint, f2 double.
	handleInvalidMethod		Metode yang digunakan untuk menangani nilai tidak valid. Nilai yang valid: error (default) skip
Execution Tuning	Choose Running Mode	MaxCompute	Gunakan sumber daya komputasi MaxCompute atau Flink. Informasi lebih lanjut tentang cara mengonfigurasi jumlah pekerja dan memori mereka, lihat Lampiran: Cara memperkirakan penggunaan sumber daya.
		Flink
		DLC	Gunakan sumber daya komputasi DLC. Konfigurasikan spesifikasi berdasarkan prompt.

Konfigurasikan komponen dengan coding

Salin kode berikut ke editor kode komponen PyAlink Script untuk mengaktifkan fungsi komponen PyAlink Script seperti MTable Expander.

import numpy as np
import pandas as pd
from pyalink.alink import *
 
df_data = pd.DataFrame([
      ["a1", "11L", 2.2],
      ["a1", "12L", 2.0],
      ["a2", "11L", 2.0],
      ["a2", "12L", 2.0],
      ["a3", "12L", 2.0],
      ["a3", "13L", 2.0],
      ["a4", "13L", 2.0],
      ["a4", "14L", 2.0],
      ["a5", "14L", 2.0],
      ["a5", "15L", 2.0],
      ["a6", "15L", 2.0],
      ["a6", "16L", 2.0]
])
 
input = BatchOperator.fromDataframe(df_data, schemaStr='id string, f0 string, f1 double')
 
zip = GroupByBatchOp()\
	.setGroupByPredicate("id")\
	.setSelectClause("id, mtable_agg(f0, f1) as m_table_col")
 
flatten = FlattenMTableBatchOp()\
	.setReservedCols(["id"])\
	.setSelectedCol("m_table_col")\
	.setSchemaStr('f0 string, f1 int')
 
zip.linkFrom(input).link(flatten).print()

Port input (kiri ke kanan)	Tipe data	Komponen hulu yang direkomendasikan	Diperlukan
data	Tidak ada	Read Table Prophet	Ya