【摘要】
集算器 SPL 集成了對 python 程序的調用,也提供對建模算法接口支持。具體開發要求、使用詳細情況,請前往乾學院:SPL 中調用 Python 程序!
集算器是強大的數據計算引擎,但目前對於機器學習算法的提供還不夠豐富。而 python 中有許多此類算法。藉助 YM 外部庫,就可以讓集算器 SPL 調用 python 寫的代碼,從而彌補這一不足。
下面具體說明:
1.SPL 與 python 環境配置
2.python 模塊開發規範要求
3.ym_exec 接口調用
4.建模算法模塊使用
SPL、python、接口關係示意圖:
SPL 中調用 ym_exec 接口,將參數傳遞給 python 下的 apply() 接口,apply 調用 python 程序處理後返回結果給 SPL。
1. SPL 與 python 環境配置
爲了 SPL 與 python 之間能通信,實現相互訪問,需要進行有關的設置。
下面以在 win10 下,python3.7+SPL 爲例來說明如何設置的。
本接口依賴集算器 SPL 外部庫 Yimming。 Yimming 與 python 通過 userconfig.xml 關聯。
A、安裝 Python 軟件:
下載 python3 軟件安裝包,安裝位置如 c:\Program Files\raqsoft\yimming\Python37。
B:外部庫安裝:
缺省安裝在集算器 SPL 軟件的 esProc\extlib\Yimming 路徑下,在集算器的外部庫設置中勾選 Yimming 項讓其生效。( 通過外部庫指南能找到 Yimming jar 依賴包 )
C、 配置文件: 在外部庫目錄 esProc\extlib\Yimming\userconfig.xml 文件中設置參數,參數如下:
D、服務端程序應用程序指提供的 python 服務端程序:
以上配置完成之後,重啓集算器後就可以使用 ym_exec() 接口。
2. python 模塊開發規範要求
A、def apply(ls) 接口,python 程序的對外接口,實現與 SPL 交互處理。
B、參數 ls 爲 list 數據類型,它類似於 java 中的入口函數 void main(string argv[]) 中的 argv 參數。
C、返回值,返回 dataframe 結構數據存放在 list 類型的變量中, 可在 SPL 中顯示。
D、樣例說明:demo.py
import pandas as pd
import sys
def apply(lists):
cols = [“value”]
ls = []
for x in lists:
ls.append(“{}”.format(x))
df = pd.DataFrame(ls, columns=cols)
lls=[]
lls.append(df)
return lls
if __name__ == “__main__”:
res = apply(sys.argv[1:])
print(‘res={}’.format(res))
運行:python demo.py “AAA” “BBB” 1000
輸出:res=[ value
0 AA
1 BBB
2 1000]
本程序 apply()接口,實現將傳遞的參數加入到變量列表 ls 中,然後 ls 放入 dataframe 結構裏,dataframe 再放入要返回的變量列表 lls 裏。開發中,先在 python 下測試 apply() 接口正常後,就可以在 SPL 中調用了。
需要注意的是,由於 dataframe 是通過 msgpack 編碼後返回的數據,因此要求 dataframe 中同一列的數據類型一致,否則 msgpack 編碼時出錯,SPL 中收不到 dataframe 數據.
3.ym_exec 接口調用
格式: ym_exec(pyfile, p1,p2,…)。
調用 pyfile 文件並運行它,後面跟傳入的參數 p1,p2 等。參數個數不定, 只要與接口 apply() 對應。
具體用法 如 demo.py:
運行結果:
4. 建模算法模塊使用
下面再演示一下如何在集算器調用 python 實現偏最小二乘算法(PLS,目前集算器本身未提供)。在運行它之前,需要安裝易明外部庫,配置設置參考《SPL 實現自動建模和預測》。
由於 PLS 算法的參數較爲複雜,我們將調用格式約定爲:
ym_exec(pyfile, data, jsonstr)
SPL 中調用 pyfile 文件並運行它,data 爲需要建模的數據(序表),將 PLS 算法衆多參數寫成 json 串。同樣地,需要與 pyfile 中 apply() 處理對應起來,才能正確解析各參數值。
data: data 爲預表或帶頭文件的數據文件名。數據中包括目標變量 target 所在的列。
jsonstr: json 字符串,例如:
{target:0,n_components:3,deflation_mode:‘regression’,
mode:‘A’,norm_y_weights:False,
scale:False,algorithm:‘nipals’,
max_iter:500,tol:0.000001,copy:True}
其中 target 指定目標變量所在的列,不可缺少。
SPL 腳本 pls_demo.dfx:
首行爲 target 的數據 data_test.csv:
pls_demo.py 文件,針對 python 模塊算法使用參考
from scipy.linalg import pinv2
import numpy as np
import pandas as pd
import demjson
#算法類 pls_demo:
class pls_demo():
… … .
Pass
# 接口實現
def apply(lists):
if len(lists)<2:
return None
data = lists[0] # 數據參數
val = lists[1] #jsonstr 串參數
if (type(data).__name__ ==“str”):
data = pd.read_csv(data)
# 1. 對 json 字符串中特定值處理
#print(val)
val = val.lower().replace(“false”, “‘False’”)
val = val.replace(“true”, “‘True’”)
val = val.replace(“none”, “‘None’”)
dic = demjson.decode(val)
if dic.__contains__(‘target’) ==False:
print(“param target is not set”)
return
# 2. 對 target 參數的處理,它可能爲列數,也可能爲名稱
targ = dic[‘target’]
if type(targ).__name__ == “int”:
col = data.columns
colname = col.tolist()[targ]
else:
colname = targ
Y = data[colname]
X = data.drop(colname, axis=1)
# 3. 模型參數處理,沒有傳遞的參數需要設定缺省值.
if dic.__contains__(‘n_components’) :n_components=dic[‘n_components’]
else: n_components=15
if dic.__contains__(‘deflation_mode’) :deflation_mode=dic[‘deflation_mode’]
else: deflation_mode=“regression”
if dic.__contains__(‘mode’):mode=dic[‘mode’]
else: mode=“A”
…….
# 4. 模型算法加載
#print(“n_components={}”.format(n_components))
pls_model = pls_demo(n_components,
deflation_mode,
mode,…)
# 訓練數據
pls_model.fit(X, Y)
# 預測
y_pred = pls_model.predict(X)
# 5. 填充返回值
f = [“value”]
df = pd.DataFrame(y_pred, columns=f)
#print(y_pred)
lls=[]
lls.append(df)
return lls
#6. 測試
if __name__ == ‘__main__’:
ls = []
ls.append(“a2ef764c53ec1fbc_X.new.csv”)
val = “{target:0,n_components:3,deflation_mode:‘regression’,” \
“mode:‘a’,norm_y_weights:False,” \
“scale:False,algorithm:‘nipals’,” \
“max_iter:500,tol:0.000001,copy:True}”
ls.append(val)
apply(ls)
開發過程中,先在 python 下通過 main 函數測試 apply() 接口正常後,就可以在 SPL 中調用了。