数据集

加载数据

用户在执行特征操作前，需要先选择数据。

可以任选下述一种方式选择数据：

• 在编辑界面，单击“Import sdk”下方的“加载数据”。
• 在JupyterLab环境编辑界面右上角，单击图标，选择“数据处理 > 数据集 > 加载数据”。

选择数据操作步骤如下。

1. 单击“Import sdk”代码框左侧的图标，运行“Import sdk”内容。

   “Import sdk”必须放在所有操作的最前面执行，否则执行“加载数据”会报错。

2. 单击“Import sdk”左下方的“加载数据”。

   代码框右侧的参数说明，如表1所示。同时支持单击当前算子右侧的图标，新增需要绑定的多个数据集实例。

   表1 选择数据

   参数	参数说明
   数据集	从下拉框中选择数据集，即“数据集”菜单中创建的数据集名称。
   数据集实例	从下拉框中选择数据集实例，即“数据集”菜单中创建的数据集实例名称。
   数据文件列表	当数据通过本地上传，且“数据类别”参数设置为“多文件与目录（文件大小限制为10G）”，则需要同时设置“数据文件列表”和“数据文件编码格式”，将本地上传的多目录和文件同时添加进来，系统会自动进行数据集合并。 注意：各文件的列名需要完全相同。
   数据文件格式	数据文件的格式，请根据实际情况选择。
   数据文件编码格式	数据文件的编码格式。
   是否启用本地缓存	开启容器本地缓存，能够加快执行速度。

3. 单击图标，运行“加载数据”代码框内容。

   数据集实例绑定成功。

生成数据实例

在JupyterLab环境编辑界面，完成所有特征操作后，需要将特征操作流应用于加载的全量数据，并生成经过特征处理后的新数据。

操作步骤如下所示。

1. 单击界面右上角的图标，选择“数据处理 > 数据集 > 生成数据实例”。

   在编辑界面，新增“生成数据实例”内容。参数说明如表2所示。

   表2 生成数据实例参数说明

   参数	参数说明
   数据集	从下拉框中选择已有的数据集。
   数据集实例	经过特征处理后生成的新数据名称，支持用户自定义。
   当前操作流	高级配置参数，从下拉框中选择当前输入操作流的名字。

2. 单击图标，在选择的数据集下面生成新的数据。

   可通过双击如图1所示的数据集名称目录，查看新生成的数据集。

   支持双击数据集名称，在右侧界面查看数据内容。

   图1 数据集列表
   

修改元数据

单独抽取数据的时序配置信息为算子，即“修改元数据”。

操作步骤如下所示。

1. 单击界面右上角的图标，选择“数据处理 > 数据集 > 修改元数据”。
   在编辑界面，新增“ 修改元数据”内容，对应的参数说明如表3所示。

   表3 修改元数据

   参数	参数说明
   当前数据	从下拉框中选择“加载数据”中已加载的数据。
   是否为时序数据	选择数据为时序数据时，可开启此开关。 开启开关后，需要同时配置如下参数： 时间列：输入时间字段名称。 时间格式：时间字段的时间格式。默认为“自动解析”，系统会自动解析时间格式。 ID列：数据集的标识列。
   是否检测周期与平稳性	开启开关会检测时序数据的周期，或判断指定的周期是否为时序数据的周期，以及检测时序数据是否平稳。 如果开启此开关，运行时间会较长，默认关闭此开关。

2. 单击图标，运行“修改元数据”代码框内容。

创建数据操作流

如果对多份数据同时进行特征处理，必须为每份数据指定“操作流变量名”，防止数据处理时，处理的数据不对。如果仅处理一份数据，无需设置此参数。

操作步骤如下所示。

1. 单击界面右上角的图标，选择“数据处理 > 数据集 > 创建数据操作流”。
   在编辑界面，新增“ 创建数据操作流”内容，对应的参数说明如表4所示。

   表4 修改元数据

   参数	参数说明
   当前数据	从下拉框中选择“加载数据”中已加载的数据。
   操作流变量名	当需要对多份数据分别进行特征处理，防止数据之间产生冲突，需要配置此参数，来区分数据。

2. 单击图标，运行“创建数据操作流”代码框内容。“操作流变量名”配置完成。