我刚刚开始学习如何将 Python 与 U-SQL 集成。我正在处理这个例子:
REFERENCE ASSEMBLY [ExtPython];
DECLARE @myScript = @"
def get_mentions(tweet):
return ';'.join( ( w[1:] for w in tweet.split() if w[0]=='@' ) )
def usqlml_main(df):
del df['time']
del df['author']
df['mentions'] = df.tweet.apply(get_mentions)
del df['tweet']
return df
";
@t =
SELECT * FROM
(VALUES
("D1","T1","A1","@foo Hello World @bar"),
("D2","T2","A2","@baz Hello World @beer")
) AS
D( date, time, author, tweet );
@m =
REDUCE @t ON date
PRODUCE date string, mentions string
USING new Extension.Python.Reducer(pyScript:@myScript);
OUTPUT @m
TO "/tweetmentions.csv"
USING Outputters.Csv();
在 usqlml_main 内部,df.tweet.apply(get_mentions) 中的“应用”函数是什么?
此外,在这种情况下 REDUCE 做了什么?将 U-SQL 与 Python 集成时是否总是需要这样做?
最佳答案
问:usqlml_main 如何接收数据帧? D(date, time, author, tweet) 是否构建了 pandas dataFrame?
当 Extension.Python.Reducer 使用行集 @t 时,行将被放入 pandas dataFrame 中。
问:在 usqlml_main 内部,df.tweet.apply(get_mentions) 中的“apply”函数是什么?
这是在 DataFrames 上定义的 pandas apply() 方法:https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.apply.html
问:在这种情况下 REDUCE 做了什么?将 U-SQL 与 Python 集成时是否总是需要这样做?
需要减少。在这种情况下,它的名称“REDUCE”具有误导性。 REDUCE 在 U-SQL/Python 上下文中的用途是 REDUCE 用于根据来自特定列的键值将大量行分布到较小的分区中。在上面的示例中,它试图在日期列上进行分区。 REDUCE 并不意味着代码实际上必须返回一组“减少”的行。事实上,reduce 可以返回更多的行。同样,它更多的是关于数据分区。
关于python - U-SQL + Python 基础题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44463364/