MaxCompute:シナリオの実践

Python UDFスクリプトを記述し、sum_pandas.pyとして保存します。 次のサンプルスクリプトを以下に示します。

from odps.udf import annotate
import pandas as pd

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

        # Perform data processing operations by using pandas
        # Calculate the sum of two columns as an example
        df['sum'] = df['col1'].astype(int) + df['col2'].astype(int)

        # Convert the processing result to a string and return
        result = ','.join(df['sum'].astype(str).values)
        return result

sum_pandas.pyスクリプトをリソースとしてMaxComputeプロジェクトにアップロードします。 詳細については、「リソースの追加」をご参照ください。 次のコマンドを使用します。

ADD PY sum_pandas.py -f;

sum_pandas.pyスクリプトをSumColumns UDFとして登録します。 詳細については、「UDFの作成」をご参照ください。 次のコマンドを使用します。

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

対応するテストデータでテストテーブルtestsumを設定します。

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');

UDFを呼び出すときにFlagパラメーターを使用してイメージを指定します。

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

期待される結果:

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

テストテーブルtest_float_colを準備し、テストデータを挿入します。

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

psi(col1) を計算するPyODPSコードを記述し、psi_col.pyとして保存します。 以下のサンプルコードを示します。

import os
from odps import ODPS, options

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

    return float(psi(v))

# If the project enables isolation, the following option is not required
options.sql.settings = {"odps.isolation.session.enable": True}

o = ODPS(
      # Ensure that the ALIBABA_CLOUD_ACCESS_KEY_ID environment variable is set to your AccessKey ID,
      # and the ALIBABA_CLOUD_ACCESS_KEY_SECRET environment variable is set to your AccessKey secret.
      # It is not recommended to directly use the AccessKey ID and AccessKey secret strings.
      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()
# Execute directly and get the result
df.col1.map(my_psi).execute(image='scipy')
# Save to another table
df.col1.map(my_psi).persist("result_table", image='scipy')

結果をresult_tableテーブルに表示します。

SELECT * FROM result_table

期待される結果:

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

テストテーブルtest_float_colを作成し、テストデータを挿入します。

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

psi(col1) を計算するためのMaxFrameコードを記述し、psi_col.pyとして保存します。 以下のサンプルコードを示します。

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

# Use the built-in scipy image
config.options.sql.settings = {
    "odps.session.image": "scipy"
}
def my_psi(v):
    from scipy.special import psi
    return float(psi(v))

o = ODPS(
      # Ensure that the ALIBABA_CLOUD_ACCESS_KEY_ID environment variable is set to your AccessKey ID,
      # and the ALIBABA_CLOUD_ACCESS_KEY_SECRET environment variable is set to your AccessKey secret.
      # It is not recommended to directly use the AccessKey ID and AccessKey secret strings.
      os.getenv('ALIBABA_CLOUD_ACCESS_KEY_ID'),
      os.getenv('ALIBABA_CLOUD_ACCESS_KEY_SECRET'),
      project='your-default-project',
      endpoint='your-end-point'
)

# Create a MaxFrame session
session = new_session(o)
df = md.read_odps_table('test_float_col')

# Execute and get the result
print(df.col1.map(my_psi).execute().fetch()

期待される結果:

0    1.182537
1    0.708048
Name: col1, dtype: float64