Aggiungere righe
Importante
Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.
A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).
- Vedere leinformazioni sullo spostamento di progetti di Machine Learning da ML Studio (versione classica) ad Azure Machine Learning.
- Altre informazioni sulle Azure Machine Learning.
La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.
Aggiunge un set di righe di un set di dati di input alla fine di un altro set di dati
Categoria: Trasformazione/Manipolazione dei dati
Nota
Si applica a: Machine Learning Studio (versione classica)
Nella finestra di progettazione sono disponibili moduli simili Azure Machine Learning trascinamento della selezione.
Panoramica del modulo
Questo articolo descrive come usare il modulo Add Rows (Aggiungi righe) in Machine Learning Studio (versione classica) per concatenare due set di dati. Nella concatenazione le righe del secondo set di dati vengono aggiunte alla fine del primo set di dati.
La concatenazione delle righe è utile in scenari come quelli seguenti:
È stata generata una serie di statistiche di valutazione che si desidera combinare in una tabella per agevolare il reporting.
Sono stati usati diversi set di dati che si desidera combinare per creare il set di dati finale.
Come usare Aggiungi righe
Per concatenare righe da due set di dati, le righe devono avere esattamente lo stesso schema. Ciò significa che nelle colonne è presente lo stesso numero di colonne e lo stesso tipo di dati.
Trascinare il modulo Add Rows (Aggiungi righe) nell'esperimento. È possibile trovarlo in Data Transformation (Trasformazione dati) nella categoria Manipulate (Modifica ).
Collegare i set di dati alle due porte di input. Il set di dati che si desidera aggiungere deve essere collegato alla seconda porta (destra).
Eseguire l'esperimento. Il numero di righe nel set di dati di output deve essere uguale alla somma delle righe di entrambi i set di dati di input.
Se si aggiunge lo stesso set di dati a entrambi gli input del modulo Add Rows , il set di dati viene duplicato.
Note tecniche
Questa sezione descrive i dettagli dell'implementazione e le domande comuni.
Quando si aggiungono righe non è possibile filtrare il set di dati di origine. Tutte le righe di entrambi i set di dati forniti come input sono concatenate quando si usa Add Rows.
Se si desidera aggiungere solo poche righe, usare Partition e Sample per definire una condizione in base alla quale filtrare le righe e generare un set di dati con solo le righe desiderate.
Esempio
Per esempi di come viene usato questo modulo, vedere il Azure AI Gallery:
Stima della domanda: combina il risultato della valutazione di più modelli in un singolo set di dati e lo passa a uno script Execute R per l'elaborazione personalizzata
Rilevamento del seno: i set di dati che contengono funzionalità utili vengono puliti e quindi combinati usando Aggiungi righe, Aggiungicolonne eJoin Data.
Stima delle prestazioni degli studenti: usa Aggiungi righe per combinare i risultati delle metriche personalizzate calcolate usando Applica operazione matematica.
Previsione della serie temporale: usa script R per generare metriche personalizzate e quindi le combina in un'unica tabella usando Aggiungi righe.
Input previsti
| Nome | Tipo | Descrizione |
|---|---|---|
| Dataset1 | Tabella dati | Righe del set di dati da aggiungere prima al set di dati di output |
| Dataset2 | Tabella dati | Righe del set di dati da aggiungere al primo set di dati |
Output
| Nome | Tipo | Descrizione |
|---|---|---|
| Set di dati di risultati | Tabella dati | Set di dati contenente tutte le righe dei set di dati di input |
Eccezioni
| Eccezione | Descrizione |
|---|---|
| Errore 0003 | Si verifica un'eccezione se uno o più i set di dati di input sono Null o vuoti. |
| Errore 0010 | Si verifica un'eccezione se i nomi di colonna nei set di dati di input non corrispondono, mentre dovrebbero essere corrispondenti. |
| Errore 0016 | Si verifica un'eccezione se i tipi di colonna dei set di dati di input passati al modulo dovrebbero essere compatibili ma non lo sono. |
| Errore 0008 | Si verifica un'eccezione se il parametro non è compreso nell'intervallo. |
Per un elenco di errori specifici dei moduli di Studio (versione classica), vedere l'Machine Learning codici di errore.
Per un elenco delle eccezioni API, vedere l'Machine Learning di errore dell'API REST.