프로젝트 정보 가져오기

코드를 개발하는 동안 데이터 자산 또는 연결의 정확한 이름을 모를 수 있습니다. 다음 기능은 관련 자산을 선택할 수 있는 자산 목록을 제공합니다. 모든 예제에서 wslib.show(assets) 를 사용하여 목록을 적절히 인쇄할 수 있습니다. 각 항목의 색인이 항목 앞에 인쇄됩니다.

• list_connections()

  이 함수는 연결 목록을 반환합니다. 리턴된 연결 목록은 기준에 따라 정렬되지 않으며 함수를 다시 호출할 때 변경될 수 있습니다. 이름 대신 사전 항목을 get_connection 함수에 전달할 수 있습니다.

  예를 들어,

  # Import the lib
  from ibm_watson_studio_lib import access_project_or_space
  wslib = access_project_or_space({"token":"<ProjectToken>"})
  
  assets = wslib.list_connections()
  wslib.show(assets)
  connprops = wslib.get_connection(assets[0])
  wslib.show(connprops)
  

• list_connected_data()

  이 함수는 연결된 데이터 자산을 리턴합니다. 리턴된 연결 데이터 자산의 목록은 기준에 따라 정렬되지 않으며 함수를 다시 호출할 때 변경될 수 있습니다. 이름 대신 사전 항목을 get_connected_data 함수에 전달할 수 있습니다.

• list_stored_data()

  이 함수는 저장된 데이터 자산 (데이터 파일) 의 목록을 리턴합니다. 리턴된 데이터 자산의 목록은 기준에 따라 정렬되지 않으며 함수를 다시 호출할 때 변경될 수 있습니다. 이름 대신 사전 항목을 load_data 및 save_data함수에 전달할 수 있습니다.

  주: 휴리스틱은 연결된 데이터 자산과 저장된 데이터 자산을 구별하기 위해 적용됩니다. 그러나 잘못된 유형의 데이터 자산이 리턴된 목록에 표시되는 경우가 있을 수 있습니다.

• wslib.here< \br>

  이 시작점을 사용하여 lib가 작업 중인 프로젝트에 대한 메타데이터를 검색할 수 있습니다. 시작점 wslib.here 는 다음 기능을 제공합니다.

  • get_name()

    이 함수는 프로젝트의 이름을 리턴합니다.

  • get_description()

    이 함수는 프로젝트의 설명을 리턴합니다.

  • get_ID()

    이 함수는 프로젝트의 ID를 리턴합니다.

  • get_storage()

    이 함수는 프로젝트에 대한 스토리지 정보를 리턴합니다.

인증 토큰 가져오기

일부 태스크에는 인증 토큰이 필요합니다. 예를 들어, 데이터 및 AI 공통 코어 API에 대해 자체 요청을 실행하려면 인증 토큰이 필요합니다.

다음 함수를 사용하여 베어러 토큰을 가져올 수 있습니다.

• get_current_token()

예를 들어,

from ibm_watson_studio_lib import access_project_or_space
wslib = access_project_or_space({"token":"<ProjectToken>"})
token = wslib.auth.get_current_token()

이 함수는 현재 ibm-watson-studio-lib 라이브러리에서 사용되는 베어러 토큰을 리턴합니다.

데이터 페치

다음 함수를 사용하여 프로젝트의 저장된 데이터 자산 (파일) 에서 데이터를 페치할 수 있습니다.

• load_data(asset_name_or_item, attachment_type_or_item=None)

  이 함수는 저장된 데이터 자산의 데이터를 BytesIO 버퍼에 로드합니다. 매우 큰 파일의 경우에는 이 기능을 사용하지 않는 것이 좋습니다.

  함수는 다음 매개변수를 사용합니다.

  • asset_name_or_item: (필수) 저장된 데이터 자산의 이름이 있는 문자열 또는 list_stored_data()에서 리턴한 항목과 같은 항목입니다.

  • attachment_type_or_item: (선택사항) 로드할 첨부 유형입니다. 데이터 자원에는 데이터가 있는 둘 이상의 첨부 파일이 있을 수 있습니다. 이 매개변수가 없으면 기본 첨부 유형 (즉, data_asset ) 이 로드됩니다. 첨부 유형이 data_asset가 아닌 경우 이 매개변수를 지정하십시오. 예를 들어, 일반 텍스트 데이터 자산에 자연어 분석의 첨부된 프로파일이 있는 경우 첨부 유형 data_profile_nlu로 로드할 수 있습니다.

    다음은 데이터 자산의 데이터를 로드하는 방법을 보여주는 예제입니다.

    # Import the lib
    from ibm_watson_studio_lib import access_project_or_space
    wslib = access_project_or_space({"token":"<ProjectToken>"})
    
    # Fetch the data from a file
    my_file = wslib.load_data("MyFile.csv")
    
    # Read the CSV data file into a pandas DataFrame
    my_file.seek(0)
    import pandas as pd
    pd.read_csv(my_file, nrows=10)
    

• download_file(asset_name_or_item, file_name=None, attachment_type_or_item=None)

  이 함수는 저장된 데이터 자산의 데이터를 다운로드하고 런타임의 파일 시스템에서 지정된 파일에 저장합니다. 파일이 이미 있는 경우 겹쳐씁니다.

  함수는 다음 매개변수를 사용합니다.

  • asset_name_or_item: (필수) 저장된 데이터 자산의 이름이 있는 문자열 또는 list_stored_data()에서 리턴한 항목과 같은 항목입니다.

  • file_name: (선택사항) 다운로드한 데이터가 저장되는 파일의 이름입니다. 기본값은 자원의 첨부 이름입니다.

  • attachment_type_or_item: (선택사항) 다운로드할 첨부 파일 유형입니다. 데이터 자원에는 데이터가 있는 둘 이상의 첨부 파일이 있을 수 있습니다. 이 매개변수가 없으면 기본 첨부 유형인 data_asset 가 다운로드됩니다. 첨부 유형이 data_asset가 아닌 경우 이 매개변수를 지정하십시오. 예를 들어, 일반 텍스트 데이터 자산에 자연어 분석의 첨부된 프로파일이 있는 경우 이는 첨부 유형 data_profile_nlu로 다운로드될 수 있습니다.

    다음은 download_file 를 사용하여 노트북에서 사용자 정의 Python 스크립트를 사용 가능하게 하는 방법을 보여주는 예입니다.

    # Import the lib
    from ibm_watson_studio_lib import access_project_or_space
    wslib = access_project_or_space({"token":"<ProjectToken>"})
    
    # Let's assume you have a Python script "helpers.py" with helper functions on your local machine.
    # Upload the script to your project using the Data Panel on the right of the opened notebook.
    
    # Download the script to the file system of your runtime
    wslib.download_file("helpers.py")
    
    # import the required functions to use them in your notebook
    from helpers import my_func
    my_func()
    

데이터 저장

프로젝트 스토리지에 데이터를 저장하는 기능은 다음과 같은 여러 작업을 수행합니다.

• 프로젝트 스토리지에 데이터 저장
• 프로젝트의 데이터 자산 목록에서 데이터를 볼 수 있도록 프로젝트에 데이터 자산으로 데이터를 추가하십시오 (자산을 작성하거나 기존 자산을 겹쳐씀).
• 자산을 스토리지의 파일과 연관시키십시오.

다음 기능을 사용하여 데이터를 저장할 수 있습니다.

• save_data(asset_name_or_item, data, overwrite=None, mime_type=None, file_name=None)

  이 기능은 메모리의 데이터를 프로젝트 스토리지에 저장합니다.

  함수는 다음 매개변수를 사용합니다.

  • asset_name_or_item: (필수) list_stored_data()에 의해 리턴되는 작성된 자산 또는 목록 항목의 이름입니다. 기존 파일을 겹쳐쓰려는 경우 이 항목을 사용할 수 있습니다.

  • data: (필수) 업로드할 데이터입니다. 이는 bytes-like-object유형의 오브젝트 (예: 바이트 버퍼) 일 수 있습니다.

  • overwrite: (선택사항) 이미 있는 경우 저장된 데이터 자산의 데이터를 겹쳐씁니다. 기본적으로 false로 설정됩니다. 이름 대신 자산 항목이 전달되는 경우 동작은 자산을 겹쳐쓰는 것입니다.

  • mime_type: (선택사항) 작성된 자산의 MIME 유형입니다. 기본적으로 MIME 유형은 자산 이름 접미부에서 판별됩니다. 접미부 없이 자산 이름을 사용하는 경우 여기에 MIME 유형을 지정하십시오. 예를 들어, 일반 텍스트 데이터의 경우 mime_type=application/text 입니다. 자산을 겹쳐쓸 때 이 매개변수는 무시됩니다.

  • file_name: (선택사항) 프로젝트 스토리지에서 사용할 파일 이름입니다. 데이터는 프로젝트와 연관된 스토리지에 저장됩니다. 새 자산을 작성할 때 파일 이름은 자산 이름에서 파생되지만 다를 수 있습니다. 파일에 직접 액세스하려는 경우 파일 이름을 지정할 수 있습니다. 자산을 겹쳐쓸 때 이 매개변수는 무시됩니다.

    다음은 파일에 데이터를 저장하는 방법을 보여주는 예제입니다.

    # Import the lib
    from ibm_watson_studio_lib import access_project_or_space
    wslib = access_project_or_space({"token":"<ProjectToken>"})
    
    # let's assume you have the pandas DataFrame pandas_df which contains the data
    # you want to save as a csv file
    wslib.save_data("my_asset_name.csv", pandas_df.to_csv(index=False).encode())
    
    # the function returns a dict which contains the asset_name, asset_id, file_name and additional information upon successful saving of the data
    

• upload_file(file_path, asset_name=None, file_name=None, overwrite=False, mime_type=None) 이 기능은 런타임 시 파일 시스템의 데이터를 프로젝트와 연관된 파일에 저장합니다. 함수는 다음 매개변수를 사용합니다.

  • file_path: (필수) 파일 시스템에 있는 파일의 경로입니다.

  • asset_name: (선택사항) 작성되는 데이터 자산의 이름입니다. 기본값은 업로드할 파일의 이름입니다.

  • file_name: (선택사항) 프로젝트와 연관된 스토리지에서 작성되는 파일의 이름입니다. 기본값은 업로드할 파일의 이름입니다.

  • overwrite: (선택사항) 스토리지의 기존 파일을 겹쳐씁니다. 기본값은 false입니다.

  • mime_type: (선택사항) 작성된 자산의 MIME 유형입니다. 기본적으로 MIME 유형은 자산 이름 접미부에서 판별됩니다. 접미부 없이 자산 이름을 사용하는 경우 여기에 MIME 유형을 지정하십시오. 예를 들어, 일반 텍스트 데이터의 경우 mime_type='application/text' 입니다. 자산을 겹쳐쓸 때 이 매개변수는 무시됩니다.

    다음은 프로젝트에 파일을 업로드하는 방법을 보여주는 예제입니다.

    # Import the lib
    from ibm_watson_studio_lib import access_project_or_space
    wslib = access_project_or_space({"token":"<ProjectToken>"})
    
    # Let's assume you have downloaded a file and want to save it
    # in your project.
    import urllib.request
    urllib.request.urlretrieve("https://some/url/data_file.csv", "data_file.csv")
    wslib.upload_file("data_file.csv")
    
    # The function returns a dictionary which contains the asset_name, asset_id, file_name and additional information upon successful saving of the data.
    

연결 정보 가져오기

다음 함수를 사용하여 지정된 연결의 연결 메타데이터에 액세스할 수 있습니다.

• get_connection(name_or_item)

  이 함수는 연결 데이터 소스에서 데이터를 페치하는 데 사용할 수 있는 연결의 특성 (메타데이터) 을 리턴합니다. wslib.show(connprops) 를 사용하여 특성을 보십시오. 리턴된 사전의 특수 키 "." 는 연결 자산에 대한 정보를 제공합니다.

  함수는 다음과 같은 필수 매개변수를 사용합니다.

  • name_or_item: 연결 이름이 있는 문자열 또는 list_connections()에서 리턴한 항목과 같은 항목입니다.

  노트북에 대해 작업할 때 코드 스니펫 분할창에서 데이터 읽기 를 클릭하여 연결에서 pandas DataFrame 으로 데이터를 로드하는 코드를 생성할 수 있습니다.

연결된 데이터 정보 가져오기

다음 함수를 사용하여 연결된 데이터 자산의 메타데이터에 액세스할 수 있습니다.

• get_connected_data(name_or_item)

  이 함수는 기본 연결의 특성을 포함하여 연결된 데이터 자산의 특성을 리턴합니다. wslib.show() 를 사용하여 특성을 보십시오. 리턴된 사전의 특수 키 "." 는 데이터 및 연결 자산에 대한 정보를 제공합니다.

  함수는 다음과 같은 필수 매개변수를 사용합니다.

  • name_or_item: 연결된 데이터 자산의 이름이 있는 문자열 또는 list_connected_data()에서 리턴된 항목과 같은 항목입니다.

  노트북에 대해 작업할 때 코드 스니펫 분할창에서 데이터 읽기 를 클릭하여 연결된 데이터 자산에서 pandas DataFrame 으로 데이터를 로드하는 코드를 생성할 수 있습니다.

이름 대신 ID로 자산 액세스

항상 고유한 이름으로 데이터 자산 및 연결에 액세스해야 합니다. 자산 이름이 항상 고유할 필요는 없으며 ibm-watson-studio-lib 함수는 이름이 모호할 때 예외를 발생시킵니다. UI에서 데이터 자산의 이름을 바꿔 충돌을 해결할 수 있습니다.

고유 ID로 자산에 액세스할 수 있지만 ID가 현재 프로젝트에서만 유효하고 다른 프로젝트로 전송될 때 코드가 중단되므로 권장되지 않습니다. 이는 예를 들어, 프로젝트를 내보내고 다시 가져올 때 발생할 수 있습니다. 해당 목록 함수 (예: list_connections()) 를 사용하여 연결, 연결 또는 저장된 데이터 자산의 ID를 가져올 수 있습니다.

시작점 wslib.by_id 는 다음 기능을 제공합니다.

• get_connection(asset_id)

  이 함수는 연결 자산 ID로 연결에 액세스합니다.

• get_connected_data(asset_id)

  이 함수는 연결된 데이터 자산 ID로 연결된 데이터 자산에 액세스합니다.

• load_data(asset_id, attachment_type_or_item=None)

  이 함수는 자산 ID를 전달하여 저장된 데이터 자산의 데이터를 로드합니다. 전달할 수 있는 기타 매개변수에 대한 설명은 load_data() 의 내용을 참조하십시오.

• save_data(asset_id, data, overwrite=None, mime_type=None, file_name=None)

  이 함수는 자산 ID를 전달하여 저장된 데이터 자산에 데이터를 저장합니다. 이는 overwrite=True를 의미합니다. 전달할 수 있는 기타 매개변수에 대한 설명은 save_data() 의 내용을 참조하십시오.

• download_file(asset_id, file_name=None, attachment_type_or_item=None)

  이 함수는 자산 ID를 전달하여 저장된 데이터 자산의 데이터를 다운로드합니다. 전달할 수 있는 기타 매개변수에 대한 설명은 download_file() 의 내용을 참조하십시오.

프로젝트 스토리지에 직접 액세스

시작점 wslib.storage를 사용하여 프로젝트 자산을 동기화하지 않고 프로젝트 스토리지에서 데이터를 페치하고 프로젝트 스토리지에 데이터를 저장할 수 있습니다.

시작점 wslib.storage 는 다음 기능을 제공합니다.

• fetch_data(filename)

  이 함수는 파일의 데이터를 BytesIO 버퍼로 리턴합니다. 파일을 데이터 자산으로 등록할 필요가 없습니다.

  함수는 다음과 같은 필수 매개변수를 사용합니다.

  • filename: 프로젝트 스토리지에 있는 파일의 이름입니다.

• store_data(filename, data, overwrite=False)

  이 기능은 메모리의 데이터를 스토리지에 저장하지만 새 데이터 자산을 작성하지는 않습니다. 함수는 파일 이름, 파일 경로 및 추가 정보를 포함하는 사전을 리턴합니다. wslib.show() 를 사용하여 정보를 인쇄하십시오.

  함수는 다음 매개변수를 사용합니다.

  • filename: (필수) 프로젝트 스토리지에 있는 파일의 이름입니다.
  • data: (필수) 바이트와 유사한 오브젝트로 저장할 데이터입니다.
  • overwrite: (선택사항) 파일이 이미 있는 경우 스토리지에 있는 파일의 데이터를 겹쳐씁니다. 기본적으로 false로 설정됩니다.

• download_file(storage_filename, local_filename=None)

  이 기능은 스토리지의 파일에 데이터를 다운로드하여 지정된 로컬 파일에 저장합니다. 로컬 파일이 이미 있는 경우 겹쳐씁니다.

  함수는 다음 매개변수를 사용합니다.

  • storage_filename: (필수) 다운로드할 스토리지에 있는 파일의 이름입니다.
  • local_filename: (선택사항) 파일을 다운로드할 런타임의 로컬 파일 시스템에 있는 파일의 이름입니다. 스토리지 파일 이름을 사용하려면 이 매개변수를 생략하십시오.

• register_asset(storage_path, asset_name=None, mime_type=None)

  이 함수는 스토리지의 파일을 프로젝트의 데이터 자산으로 등록합니다. 동일한 이름의 데이터 자산이 이미 있는 경우 이 조작이 실패합니다.

  Save_data()를 통해 업로드할 수 없는 매우 큰 파일이 있는 경우 이 함수를 사용할 수 있습니다. 예를 들어 UI를 통해 프로젝트의 IBM Cloud Object Storage 버킷에 대용량 파일을 직접 업로드한 다음 ' register_asset()을 사용하여 데이터 자산으로 등록할 수 있습니다.

  함수는 다음 매개변수를 사용합니다.

  • storage_path: (필수) 스토리지에 있는 파일의 경로입니다.
  • asset_name: (선택사항) 작성된 자산의 이름입니다. 기본값은 파일 이름입니다.
  • mime_type: (선택사항) 작성된 자산의 MIME 유형입니다. 기본적으로 MIME 유형은 자산 이름 접미부에서 판별됩니다. 파일 이름에 파일 확장자가 없거나 다른 MIME 유형을 설정하려는 경우 MIME 유형을 지정하려면 이 매개변수를 사용하십시오.
  주: 파일을 여러 번 다른 데이터 자산으로 등록할 수 있습니다. 프로젝트에서 해당 자산 중 하나를 삭제하면 스토리지의 파일도 삭제됩니다. 이는 파일에 대한 다른 자산 참조가 손상될 수 있음을 의미합니다.

Spark 지원

시작점 wslib.spark 는 Spark를 사용하여 스토리지의 파일에 액세스하기 위한 기능을 제공합니다. 사용 가능한 함수에 대한 도움말 정보를 얻으려면 help(wslib.spark.API)를 사용하십시오.

시작점 wslib.spark 는 다음 기능을 제공합니다.

• provide_spark_context(sc)

  Spark 지원을 사용으로 설정하려면 이 함수를 사용하십시오.

  함수는 다음과 같은 필수 매개변수를 사용합니다.

  • sc: SparkContext. 이는 노트북 런타임에서 제공됩니다.

  다음 예는 Spark 지원을 설정하는 방법을 보여줍니다.

  from ibm_watson_studio_lib import access_project_or_space
  wslib = access_project_or_space({"token":"<ProjectToken>"})
  wslib.spark.provide_spark_context(sc)
  

• get_data_url(asset_name)

  이 함수는 Hadoop을 통해 Spark의 스토리지에 있는 파일에 액세스하기 위한 URL을 리턴합니다.

  함수는 다음과 같은 필수 매개변수를 사용합니다.

  • asset_name: 자산의 이름입니다.

• storage.get_data_url(file_name)

  이 함수는 Hadoop을 통해 Spark의 스토리지에 있는 파일에 액세스하기 위한 URL을 리턴합니다. 함수는 자산 이름이 아닌 파일 이름을 예상합니다.

  함수는 다음과 같은 필수 매개변수를 사용합니다.

  • file_name: 프로젝트 스토리지에 있는 파일의 이름입니다.

프로젝트 자산 찾아보기

시작점 wslib.assets 는 모든 유형의 자산에 대한 일반적인 읽기 전용 액세스를 제공합니다. 선택한 자산 유형의 경우 추가 데이터를 제공하는 전용 기능이 있습니다. 사용 가능한 함수에 대한 도움말을 보려면 help(wslib.assets.API)를 사용하십시오.

다음 이름 지정 규칙이 적용됩니다.

• list_<something> 라는 함수는 Python 사전의 목록을 리턴합니다. 각 사전은 하나의 자산을 나타내며 자산을 식별하는 작은 특성 (메타데이터) 세트를 포함합니다.
• get_<something> 라는 함수는 자산의 특성과 함께 단일 Python 사전을 리턴합니다.

사전 또는 사전 목록을 프리티 프린트하려면 wslib.show()를 사용하십시오.

함수는 자산의 이름 또는 목록의 항목을 매개변수로 예상합니다. 기본적으로 함수는 사용 가능한 자산 특성의 서브세트만 리턴합니다. raw=True매개변수를 설정하여 전체 자산 특성 세트를 가져올 수 있습니다.

시작점 wslib.assets 는 다음 기능을 제공합니다.

• list_assets(asset_type, name=None, query=None, selector=None, raw=False)

  이 함수는 지정된 제한조건과 관련하여 지정된 유형의 모든 자산을 나열합니다.

  함수는 다음 매개변수를 사용합니다.

  • asset_type: (필수) 나열할 자산의 유형입니다 (예: data_asset). 사용 가능한 자산 유형 목록은 list_asset_types() 의 내용을 참조하십시오. 프로젝트에서 사용 가능한 모든 자산 목록에 대해 자산 유형 asset 를 사용하십시오.
  • name: (선택사항) 나열할 자산의 이름입니다. 동일한 이름의 자산이 둘 이상 있는 경우 이 매개변수를 사용하십시오. name 및 query만 지정할 수 있습니다.
  • query: (선택 사항) 에셋 검색을 위해 데이터 및 AI 공통 코어 API에 전달되는 쿼리 문자열입니다. name 및 query만 지정할 수 있습니다.
  • selector: (선택사항) 후보 자산 사전 항목에 대한 사용자 정의 필터 기능입니다. 선택기 함수가 True를 리턴하면 자산이 리턴된 자산 목록에 포함됩니다.
  • raw: (선택사항) 사용 가능한 모든 메타데이터를 리턴합니다. 기본적으로 매개변수는 False 로 설정되며 특성의 서브세트만 리턴됩니다.

  list_assets 함수 사용 예제:

  # Import the lib
  from ibm_watson_studio_lib import access_project_or_space
  wslib = access_project_or_space({"token":"<ProjectToken>"})
  
  # List all assets in the project
  all_assets = wslib.assets.list_assets("asset")
  wslib.show(all_assets)
  
  # List all data assets with name 'MyFile.csv'
  assets_by_name = wslib.assets.list_assets("data_asset", name="MyFile.csv")
  
  # List all data assets whose name starts with "MyF"
  assets_by_query = wslib.assets.list_assets("data_asset", query="asset.name:(MyF*)")
  
  # List all data assets which are larger than 1MB
  sizeFilter = lambda x: x['metadata']['size'] > 1000000
  large_assets = wslib.assets.list_assets("data_asset", selector=sizeFilter, raw=True)
  
  # List all notebooks
  notebooks = wslib.assets.list_assets("notebook")
  

• list_asset_types(raw=False)

  이 기능은 사용 가능한 모든 자산 유형을 나열합니다.

  함수는 다음 매개변수를 사용할 수 있습니다.

  • raw: (선택사항) 전체 메타데이터 세트를 리턴합니다. 기본적으로 매개변수는 False 이며 특성의 서브세트만 리턴됩니다.

• list_datasource_types(raw=False)

  이 함수는 사용 가능한 모든 데이터 소스 유형을 나열합니다.

  함수는 다음 매개변수를 사용할 수 있습니다.

  • raw: (선택사항) 전체 메타데이터 세트를 리턴합니다. 기본적으로 매개변수는 False 이며 특성의 서브세트만 리턴됩니다.

• get_asset(name_or_item, asset_type=None, raw=False)

  함수는 자산의 메타데이터를 리턴합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item: (필수) list_assets() 에서 리턴한 것과 같은 자산 또는 항목의 이름입니다.
  • asset_type: (선택사항) 자산의 유형입니다. name_or_item 매개변수에 자산 이름에 대한 문자열이 포함된 경우 asset_type 설정이 필요합니다.
  • raw: (선택사항) 전체 메타데이터 세트를 리턴합니다. 기본적으로 매개변수는 False 이며 특성의 서브세트만 리턴됩니다.

  list_assets 및 get_asset 함수 사용 예제:

  notebooks = wslib.assets.list_assets('notebook')
  wslib.show(notebooks)
  
  notebook = wslib.assets.get_asset(notebooks[0])
  wslib.show(notebook)
  

• get_connection(name_or_item, with_datasourcetype=False, raw=False)

  이 함수는 연결의 메타데이터를 리턴합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item: (필수) list_connections() 에서 리턴한 항목과 같은 항목 또는 연결의 이름입니다.
  • with_datasourcetype: (선택사항) 연결의 데이터 소스 유형에 대한 추가 정보를 리턴합니다.
  • raw: (선택사항) 전체 메타데이터 세트를 리턴합니다. 기본적으로 매개변수는 False 이며 특성의 서브세트만 리턴됩니다.

• get_connected_data(name_or_item, with_datasourcetype=False, raw=False)

  이 함수는 연결된 데이터 자산의 메타데이터를 리턴합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item: (필수) 연결된 데이터 자산의 이름 또는 list_connected_data() 에서 리턴한 항목과 유사한 항목의 이름입니다.
  • with_datasourcetype: (선택사항) 연관된 연결된 데이터 자산의 데이터 소스 유형에 대한 추가 정보를 리턴합니다.
  • raw: (선택사항) 전체 메타데이터 세트를 리턴합니다. 기본적으로 매개변수는 False 이며 특성의 서브세트만 리턴됩니다.

• get_stored_data(name_or_item, raw=False)

  이 함수는 저장된 데이터 자산의 메타데이터를 리턴합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item: (필수) 저장된 데이터 자산의 이름 또는 list_stored_data() 에서 리턴한 항목과 같은 항목입니다.
  • raw: (선택사항) 전체 메타데이터 세트를 리턴합니다. 기본적으로 매개변수는 False 이며 특성의 서브세트만 리턴됩니다.

• list_attachments(name_or_item_or_asset, asset_type=None, raw=False)

  이 함수는 자산의 첨부 목록을 리턴합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item_or_asset: (필수) list_stored_data() 또는 get_asset()에서 리턴한 것과 같은 자산 또는 항목의 이름입니다.
  • asset_type: (선택사항) 자산의 유형입니다. 기본값은 data_asset유형입니다.
  • raw: (선택사항) 전체 메타데이터 세트를 리턴합니다. 기본적으로 매개변수는 False 이며 특성의 서브세트만 리턴됩니다.

  list_attachments 함수를 사용하여 저장된 데이터 자원의 첨부를 읽는 예:

  assets = wslib.list_stored_data()
  wslib.show(assets)
  
  asset = assets[0]
  attachments = wslib.assets.list_attachments(asset)
  wslib.show(attachments)
  buffer = wslib.load_data(asset, attachments[0])
  

상위 주제: ibm-watson-studio-lib 사용