SAS Viya est une plateforme d'IA. Il est disponible via des langages tels que Python, Java et R. Un objet table appelé CASTable est utilisé dans SAS Viya (CAS signifie Cloud Analytic Services). Cette fois, j'expliquerai comment utiliser les colonnes calculées, qui ajoutent dynamiquement des colonnes avec CASTable.
Tout d'abord, connectez-vous à SAS Viya.
import swat
conn = swat.CAS('server-name.mycompany.com', 5570, 'username', 'password')
Ensuite, récupérez le CASTable. Cette fois, j'utiliserai CSV des données IRIS.
tbl = conn.loadtable('data/iris.csv', caslib='casuser').casTable
Par exemple, ajoutez une colonne appelée sepal_factor qui ajoute sepal_length et sepal_width et les double.
tbl['sepal_factor'] = ((tbl.sepal_length + tbl.sepal_width) * 2)
tbl.head()
Le contenu est le suivant. C'est certainement calculé et de nouvelles colonnes sont ajoutées.
sepal_length | sepal_width | petal_length | petal_width | species | sepal_factor | |
---|---|---|---|---|---|---|
0 | 7.9 | 3.8 | 6.4 | 2.0 | virginica | 23.4 |
1 | 7.7 | 2.6 | 6.9 | 2.3 | virginica | 20.6 |
2 | 7.7 | 2.8 | 6.7 | 2.0 | virginica | 21.0 |
3 | 7.7 | 3.0 | 6.1 | 2.3 | virginica | 21.4 |
4 | 7.7 | 3.8 | 6.7 | 2.2 | virginica | 23.0 |
Ajoutez plus de colonnes.
tbl['total_factor'] = tbl.sepal_factor + tbl.petal_width + tbl.petal_length
tbl.head()
sepal_length | sepal_width | petal_length | petal_width | species | sepal_factor | total_factor | |
---|---|---|---|---|---|---|---|
0 | 7.9 | 3.8 | 6.4 | 2.0 | virginica | 23.4 | 31.8 |
1 | 7.7 | 2.6 | 6.9 | 2.3 | virginica | 20.6 | 29.8 |
2 | 7.7 | 2.8 | 6.7 | 2.0 | virginica | 21.0 | 29.7 |
3 | 7.7 | 3.0 | 6.1 | 2.3 | virginica | 21.4 | 29.8 |
4 | 7.7 | 3.8 | 6.7 | 2.2 | virginica | 23.0 | 31.9 |
Vous pouvez également ajouter une colonne de chaîne simple.
tbl['names'] = 'sepal / petal'
tbl.head()
sepal_length | sepal_width | petal_length | petal_width | species | sepal_factor | total_factor | names | |
---|---|---|---|---|---|---|---|---|
0 | 7.9 | 3.8 | 6.4 | 2.0 | virginica | 23.4 | 31.8 | sepal / petal |
1 | 7.7 | 2.6 | 6.9 | 2.3 | virginica | 20.6 | 29.8 | sepal / petal |
2 | 7.7 | 2.8 | 6.7 | 2.0 | virginica | 21.0 | 29.7 | sepal / petal |
3 | 7.7 | 3.0 | 6.1 | 2.3 | virginica | 21.4 | 29.8 | sepal / petal |
4 | 7.7 | 3.8 | 6.7 | 2.2 | virginica | 23.0 | 31.9 | sepal / petal |
Ajoutez plus de colonnes dynamiques à l'aide des colonnes ajoutées dynamiquement.
tbl['cap_names'] = tbl.names.str.title()
tbl.head()
sepal_length | sepal_width | petal_length | petal_width | species | sepal_factor | total_factor | names | cap_names | |
---|---|---|---|---|---|---|---|---|---|
0 | 7.9 | 3.8 | 6.4 | 2.0 | virginica | 23.4 | 31.8 | sepal / petal | Sepal / Petal |
1 | 7.7 | 2.6 | 6.9 | 2.3 | virginica | 20.6 | 29.8 | sepal / petal | Sepal / Petal |
2 | 7.7 | 2.8 | 6.7 | 2.0 | virginica | 21.0 | 29.7 | sepal / petal | Sepal / Petal |
3 | 7.7 | 3.0 | 6.1 | 2.3 | virginica | 21.4 | 29.8 | sepal / petal | Sepal / Petal |
4 | 7.7 | 3.8 | 6.7 | 2.2 | virginica | 23.0 | 31.9 | sepal / petal | Sepal / Petal |
Vous pouvez ajouter des colonnes calculées de la même manière en SQL, mais dans CASTable, vous pouvez ajouter d'autres colonnes à l'aide des colonnes calculées. Vous pouvez facilement réaliser des colonnes qui ont subi un traitement de calcul compliqué, veuillez donc les utiliser pour votre analyse.
Recommended Posts