U-SQL+Python基本问题
我刚刚开始学习如何将Python与U-SQL集成。我正在研究这个例子:U-SQL+Python基本问题,python,azure-data-lake,u-sql,Python,Azure Data Lake,U Sql,我刚刚开始学习如何将Python与U-SQL集成。我正在研究这个例子: 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'] d
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中,df.tweet.applyget_中提到的“apply”函数是什么
另外,REDUCE在这种情况下做什么?在将U-SQL与Python集成时总是需要这样做吗?Q:usqlml\U main如何接受数据帧?Ddate、time、author、tweet是否正在构建一个数据帧?
当Extension.Python.Reducer使用行集@t时,这些行将被放置到数据帧中
问:在usqlml_main中,df.tweet.applyget_中提到的“apply”函数是什么?
这是在数据帧上定义的应用方法:
问:在这种情况下,REDUCE做了什么?在将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,其名称REDUCE具有误导性。在U-SQL/Python上下文中使用REDUCE的目的是,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,它更多地是关于数据分区的。Q:usqlml\u main如何接受数据帧?Ddate、time、author、tweet是否正在构建一个数据帧?
当Extension.Python.Reducer使用行集@t时,这些行将被放置到数据帧中
问:在usqlml_main中,df.tweet.applyget_中提到的“apply”函数是什么?
这是在数据帧上定义的应用方法:
问:在这种情况下,REDUCE做了什么?在将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,其名称REDUCE具有误导性。在U-SQL/Python上下文中使用REDUCE的目的是,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,更多的是关于数据分区。我使用U-SQL+Python进行文本处理。我已经将并行度设置为25,但在python代码执行时,只有一个顶点并行运行。有什么办法可以改进吗?在哪里可以找到关于如何实现并行性的详细信息?我正在使用U-SQL+Python进行文本处理。我已经将并行度设置为25,但在python代码执行时,只有一个顶点并行运行。有什么办法可以改进吗?在哪里可以找到有关如何实现并行性的详细信息?