“执行 Python 脚本”组件

项目
08/18/2023

本文介绍 Azure 机器学习设计器中的“执行 Python 脚本”组件。

使用此组件运行 Python 代码。有关 Python 体系结构和设计原理的详细信息，请参阅如何在 Azure 机器学习设计器中运行 Python 代码。

使用 Python，可以执行现有组件不支持的任务，例如：

使用 matplotlib 将数据可视化。
使用 Python 库枚举工作区中的数据集和模型。
从“导入数据”组件不支持的源读取、加载和操作数据。
运行自己的深度学习代码。

支持的 Python 包

Azure 机器学习使用 Python 的 Anaconda 分发版，其中包括用于数据处理的许多常用实用工具。我们将自动更新 Anaconda 版本。当前版本为：

Python 3.6 的 Anaconda 4.5 + 分发版

有关完整列表，请参阅预安装的 Python 包部分。

若要安装不在预安装列表中的包（例如 scikit-misc），请将以下代码添加到脚本中：

import os
os.system(f"pip install scikit-misc")

使用以下代码来安装包，以便提高性能（尤其是推理方面）：

import importlib.util
package_name = 'scikit-misc'
spec = importlib.util.find_spec(package_name)
if spec is None:
    import os
    os.system(f"pip install scikit-misc")

注意

如果你的管道包含需要不在预安装列表中的包的多个“执行 Python 脚本”组件，请在每个组件中安装这些包。

警告

“执行 Python 脚本”组件不支持使用“apt-get”等命令来安装依赖于额外本机库的包（如 Java、PyODBC 等）。这是因为此组件仅在预安装了 Python 且具有非管理员权限的简单环境中执行。

访问当前工作区和已注册的数据集

可以参阅以下示例代码，在工作区中访问已注册的数据集：

def azureml_main(dataframe1 = None, dataframe2 = None):

    # Execution logic goes here
    print(f'Input pandas.DataFrame #1: {dataframe1}')
    from azureml.core import Run
    run = Run.get_context(allow_offline=True)
    #access to current workspace
    ws = run.experiment.workspace

    #access to registered dataset of current workspace
    from azureml.core import Dataset
    dataset = Dataset.get_by_name(ws, name='test-register-tabular-in-designer')
    dataframe1 = dataset.to_pandas_dataframe()
     
    # If a zip file is connected to the third input port,
    # it is unzipped under "./Script Bundle". This directory is added
    # to sys.path. Therefore, if your zip file contains a Python file
    # mymodule.py you can import it using:
    # import mymodule

    # Return value must be of a sequence of pandas.DataFrame
    # E.g.
    #   -  Single return value: return dataframe1,
    #   -  Two return values: return dataframe1, dataframe2
    return dataframe1,

上传文件

“执行 Python 脚本”组件支持使用 Azure 机器学习 Python SDK 来上传文件。

以下示例演示如何在“执行 Python 脚本”组件中上传映像文件：


# The script MUST contain a function named azureml_main,
# which is the entry point for this component.

# Imports up here can be used to
import pandas as pd

# The entry point function must have two input arguments:
#   Param<dataframe1>: a pandas.DataFrame
#   Param<dataframe2>: a pandas.DataFrame
def azureml_main(dataframe1 = None, dataframe2 = None):

    # Execution logic goes here
    print(f'Input pandas.DataFrame #1: {dataframe1}')

    from matplotlib import pyplot as plt
    plt.plot([1, 2, 3, 4])
    plt.ylabel('some numbers')
    img_file = "line.png"
    plt.savefig(img_file)

    from azureml.core import Run
    run = Run.get_context(allow_offline=True)
    run.upload_file(f"graphics/{img_file}", img_file)

    # Return value must be of a sequence of pandas.DataFrame
    # For example:
    #   -  Single return value: return dataframe1,
    #   -  Two return values: return dataframe1, dataframe2
    return dataframe1,

管道运行完成后，可以在组件的右侧面板中预览图像。

Preview of uploaded image

你还可以使用以下代码将文件上传到任何数据存储。只能预览存储帐户中的文件。

import pandas as pd

# The entry point function MUST have two input arguments.
# If the input port is not connected, the corresponding
# dataframe argument will be None.
#   Param<dataframe1>: a pandas.DataFrame
#   Param<dataframe2>: a pandas.DataFrame
def azureml_main(dataframe1 = None, dataframe2 = None):

    # Execution logic goes here
    print(f'Input pandas.DataFrame #1: {dataframe1}')

    from matplotlib import pyplot as plt
    import os

    plt.plot([1, 2, 3, 4])
    plt.ylabel('some numbers')
    img_file = "line.png"

    # Set path
    path = "./img_folder"
    os.mkdir(path)
    plt.savefig(os.path.join(path,img_file))

    # Get current workspace
    from azureml.core import Run
    run = Run.get_context(allow_offline=True)
    ws = run.experiment.workspace
    
    # Get a named datastore from the current workspace and upload to specified path
    from azureml.core import Datastore 
    datastore = Datastore.get(ws, datastore_name='workspacefilestore')
    datastore.upload(path)

    return dataframe1,

如何配置“执行 Python 脚本”

“执行 Python 脚本”组件包含可用作起点的示例 Python 代码。若要配置“执行 Python 脚本”组件，需要提供一组输入，并在“Python 脚本”文本框中提供要执行的 Python 代码。

将“执行 Python 脚本”组件添加到管道中。
从设计器中，在 Dataset1 上添加并连接要用于输入的任何数据集。在 Python 脚本中将此数据集引用为 DataFrame1。

数据集的使用是可选的。如果想使用 Python 生成数据，或者使用 Python 代码将数据直接导入组件中，请使用此组件。

该组件支持在 Dataset2 上添加第二个数据集。在 Python 脚本中将第二个数据集引用为 DataFrame2。

如果加载时包含此组件，则存储在 Azure 机器学习中的数据集会自动转换为 Pandas 数据帧。
若要包括新的 Python 包或代码，请将包含这些自定义资源的压缩文件连接到脚本绑定端口。或者，如果脚本大于 16 KB，请使用脚本绑定端口以避免错误，如命令行超过 16597 个字符的限制。
1. 将脚本和其他自定义资源捆绑到一个 zip 文件中。
2. 将 zip 文件作为“文件数据集”上传到工作室。
3. 从设计器创作页面左侧组件窗格中的“数据集”列表中拖动数据集组件。
4. 将数据集组件连接到“执行 Python 脚本”组件的“脚本捆绑”端口。
在管道执行期间，可以使用已上传的压缩存档中包含的任何文件。如果存档中包含目录结构，则会保留结构。

重要

对于脚本捆绑包中的文件，请使用唯一且有意义的名称，因为针对内置服务保留了某些常用词（例如 test、app 等）。

下面是一个脚本绑定示例，其中包含一个 Python 脚本文件和一个 txt 文件：

下面是 my_script.py 的内容：
```
def my_func(dataframe1):
    return dataframe1
```
以下是示例代码，显示了如何使用脚本绑定中的文件：
```
import pandas as pd
from my_script import my_func

def azureml_main(dataframe1 = None, dataframe2 = None):

    # Execution logic goes here
    print(f'Input pandas.DataFrame #1: {dataframe1}')

    # Test the custom defined Python function
    dataframe1 = my_func(dataframe1)

    # Test to read custom uploaded files by relative path
    with open('./Script Bundle/my_sample.txt', 'r') as text_file:
        sample = text_file.read()

    return dataframe1, pd.DataFrame(columns=["Sample"], data=[[sample]])
```
在“Python 脚本”文本框中，键入或粘贴有效的 Python 脚本。
注意

编写脚本时请细致谨慎。确保没有语法错误，例如使用未声明的变量或未导入的组件或函数。请特别注意预安装的组件列表。要导入未列出的组件，请在脚本中安装相应的包，例如：
```
import os
os.system(f"pip install scikit-misc")
```
“Python 脚本”文本框中预先填充了注释中的某些说明，以及用于数据访问和输出的示例代码。你必须编辑或替换此代码。遵循有关缩进和大小写的 Python 约定：
- 该脚本必须包含一个名为 azureml_main 的函数作为该组件的入口点。
- 入口点函数必须有两个输入参数 Param<dataframe1> 和 Param<dataframe2>，即使脚本中没有使用这些参数。
- 连接到第三个输入端口的压缩文件将被解压缩并存储在目录 .\Script Bundle 中，该目录还会添加到 Python sys.path 中。
如果 zip 文件包含 mymodule.py，请使用 import mymodule 导入它。

可以向设计器返回两个数据集，数据集必须是 pandas.DataFrame 类型的序列。可以在 Python 代码中创建其他输出，并将其直接写入到 Azure 存储。

警告

不建议在“执行 Python 脚本”组件中连接到数据库或其他外部存储。可以使用“导入数据”组件和“导出数据”组件
提交管道。

如果组件已完成，请检查输出是否符合预期。

如果组件出现故障，则需要进行一些故障排除。选择组件，然后在右侧窗格中打开“输出+日志”。打开 70_driver_log.txt，并搜索“in azureml_main”，然后可以找到导致错误的行。例如，“File "/tmp/tmp01_ID/user_script.py", line 17, in azureml_main”表示错误发生在 Python 脚本的第 17 行。

结果

嵌入的 Python 代码的任何计算结果都必须以 pandas.DataFrame 形式提供，该格式将自动转换为 Azure 机器学习数据集格式。然后，可以将结果与管道中的其他组件一起使用。

组件返回两个数据集：

结果数据集 1，由 Python 脚本中返回的第一个 pandas 数据帧定义。
结果数据集 2，由 Python 脚本中返回的第二个 pandas 数据帧定义。

预安装的 Python 包

预安装的包如下：

adal==1.2.2
applicationinsights==0.11.9
attrs==19.3.0
azure-common==1.1.25
azure-core==1.3.0
azure-graphrbac==0.61.1
azure-identity==1.3.0
azure-mgmt-authorization==0.60.0
azure-mgmt-containerregistry==2.8.0
azure-mgmt-keyvault==2.2.0
azure-mgmt-resource==8.0.1
azure-mgmt-storage==8.0.0
azure-storage-blob==1.5.0
azure-storage-common==1.4.2
azureml-core==1.1.5.5
azureml-dataprep-native==14.1.0
azureml-dataprep==1.3.5
azureml-defaults==1.1.5.1
azureml-designer-classic-modules==0.0.118
azureml-designer-core==0.0.31
azureml-designer-internal==0.0.18
azureml-model-management-sdk==1.0.1b6.post1
azureml-pipeline-core==1.1.5
azureml-telemetry==1.1.5.3
backports.tempfile==1.0
backports.weakref==1.0.post1
boto3==1.12.29
botocore==1.15.29
cachetools==4.0.0
certifi==2019.11.28
cffi==1.12.3
chardet==3.0.4
click==7.1.1
cloudpickle==1.3.0
configparser==3.7.4
contextlib2==0.6.0.post1
cryptography==2.8
cycler==0.10.0
dill==0.3.1.1
distro==1.4.0
docker==4.2.0
docutils==0.15.2
dotnetcore2==2.1.13
flask==1.0.3
fusepy==3.0.1
gensim==3.8.1
google-api-core==1.16.0
google-auth==1.12.0
google-cloud-core==1.3.0
google-cloud-storage==1.26.0
google-resumable-media==0.5.0
googleapis-common-protos==1.51.0
gunicorn==19.9.0
idna==2.9
imbalanced-learn==0.4.3
isodate==0.6.0
itsdangerous==1.1.0
jeepney==0.4.3
jinja2==2.11.1
jmespath==0.9.5
joblib==0.14.0
json-logging-py==0.2
jsonpickle==1.3
jsonschema==3.0.1
kiwisolver==1.1.0
liac-arff==2.4.0
lightgbm==2.2.3
markupsafe==1.1.1
matplotlib==3.1.3
more-itertools==6.0.0
msal-extensions==0.1.3
msal==1.1.0
msrest==0.6.11
msrestazure==0.6.3
ndg-httpsclient==0.5.1
nimbusml==1.6.1
numpy==1.18.2
oauthlib==3.1.0
pandas==0.25.3
pathspec==0.7.0
pip==20.0.2
portalocker==1.6.0
protobuf==3.11.3
pyarrow==0.16.0
pyasn1-modules==0.2.8
pyasn1==0.4.8
pycparser==2.20
pycryptodomex==3.7.3
pyjwt==1.7.1
pyopenssl==19.1.0
pyparsing==2.4.6
pyrsistent==0.16.0
python-dateutil==2.8.1
pytz==2019.3
requests-oauthlib==1.3.0
requests==2.23.0
rsa==4.0
ruamel.yaml==0.15.89
s3transfer==0.3.3
scikit-learn==0.22.2
scipy==1.4.1
secretstorage==3.1.2
setuptools==46.1.1.post20200323
six==1.14.0
smart-open==1.10.0
urllib3==1.25.8
websocket-client==0.57.0
werkzeug==0.16.1
wheel==0.34.2

后续步骤

请参阅 Azure 机器学习可用的组件集。

通过