프로젝트 정보 얻기

코드를 개발하는 동안 데이터 자산이나 연결의 정확한 이름을 모를 수도 있습니다. 다음 기능은 에셋 목록을 제공하며, 이 목록에서 관련 에셋을 선택할 수 있습니다. 모든 예제에서 ' wslib$show(assets) '을 사용하여 목록을 예쁘게 인쇄할 수 있습니다. 각 항목의 색인은 항목 앞에 인쇄됩니다.

• list_connections()

  이 함수는 연결 목록을 반환합니다. 반환된 연결 목록은 기준별로 정렬되지 않으며 함수를 다시 호출할 때 변경될 수 있습니다. ' get_connection function'에 이름 대신 목록 항목을 전달할 수 있습니다.

  # Import the lib
  library("ibmWatsonStudioLib")
  wslib <- access_project_or_space(list("token"="<ProjectToken>"))
  
  assets <- wslib$list_connections()
  wslib$show(assets)
  connprops <- wslib$get_connection(assets[0])
  

• list_connected_data()

  이 함수는 연결된 데이터 자산을 반환합니다. 반환된 연결된 데이터 자산 목록은 기준별로 정렬되지 않으며 함수를 다시 호출하면 변경될 수 있습니다. ' get_connected_data ' 함수에 이름 대신 목록 항목을 전달할 수 있습니다.

• list_stored_data()

  이 함수는 저장된 데이터 자산(데이터 파일)의 목록을 반환합니다. 반환된 데이터 자산 목록은 기준별로 정렬되지 않으며 함수를 다시 호출하면 변경될 수 있습니다. ' load_data ' 및 ' save_data ' 함수에 이름 대신 목록 항목을 전달할 수 있습니다.

  참고: 연결된 데이터 자산과 저장된 데이터 자산을 구분하기 위해 휴리스틱이 적용됩니다. 그러나 반환된 목록에 잘못된 종류의 데이터 자산이 표시되는 경우가 있을 수 있습니다.

• wslib$here<\br> 이 진입점을 사용하면 라이브러리가 작업 중인 프로젝트에 대한 메타데이터를 검색할 수 있습니다. 엔트리 포인트 ' wslib$here '은 다음과 같은 기능을 제공합니다:

  • get_name()

    이 함수는 프로젝트의 이름을 리턴합니다.

  • get_description()

    이 함수는 프로젝트의 설명을 리턴합니다.

  • get_ID()

    이 함수는 프로젝트의 ID를 반환합니다.

  • get_storage()

    이 함수는 프로젝트의 저장소 정보를 반환합니다.

인증 토큰 받기

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

다음 함수를 사용하여 무기명 토큰을 가져올 수 있습니다:

• get_current_token()

예를 들어,

library("ibmWatsonStudioLib")
wslib <- access_project_or_space(list("token"="<ProjectToken>"))
token <- wslib$auth$get_current_token()

이 함수는 현재 ' ibm-watson-studio-lib ' 라이브러리에서 사용 중인 무기명 토큰을 반환합니다.

데이터 페치

다음 함수를 사용하여 프로젝트에 저장된 데이터 자산(파일)에서 데이터를 가져올 수 있습니다.

• load_data(asset_name_or_item, attachment_type_or_item = NULL)

  이 함수는 저장된 데이터 자산의 데이터를 바이트 버퍼에 로드합니다. 이 기능은 매우 큰 파일에는 권장되지 않습니다.

  함수는 다음 매개변수를 사용합니다.

  • asset_name_or_item: (필수) 저장된 데이터 자산의 이름이 포함된 문자열 또는 ' list_stored_data()'에서 반환된 것과 같은 항목입니다.

  • attachment_type_or_item' : (선택 사항) 로드할 첨부 파일 유형입니다. 데이터 자산에는 데이터 첨부 파일이 두 개 이상 있을 수 있습니다. 이 매개변수가 없으면 기본 첨부 파일 유형인 ' data_asset '이 로드됩니다. 첨부 파일 유형이 ' data_asset'이 아닌 경우 이 매개변수를 지정합니다. 예를 들어 일반 텍스트 데이터 자산에 자연어 분석에서 첨부된 프로필이 있는 경우 첨부 파일 유형 ' data_profile_nlu'로 로드할 수 있습니다.

    다음은 데이터 자산의 데이터를 로드하는 방법을 보여주는 예제입니다:

    # Import the lib
    library("ibmWatsonStudioLib")
    wslib <- access_project_or_space(list("token"="<ProjectToken>"))
    
    # Fetch the data from a file
    my_file <- wslib$load_data("MyFile.csv")
    
    # Read the CSV data file into a data frame
    df <-  read.csv(text = rawToChar(my_file))
    head(df)
    

• download_file(asset_name_or_item, file_name = NULL, attachment_type_or_item = NULL)

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

  함수는 다음 매개변수를 사용합니다.

  • asset_name_or_item: (필수) 저장된 데이터 자산의 이름이 포함된 문자열 또는 ' list_stored_data()'에서 반환된 것과 같은 항목입니다.

  • file_name: (선택 사항) 다운로드한 데이터가 저장되는 파일 이름입니다. 기본값은 에셋의 첨부 파일 이름으로 설정됩니다.

  • attachment_type_or_item' : (선택 사항) 다운로드할 첨부 파일 유형입니다. 데이터 자산에는 데이터 첨부 파일이 두 개 이상 있을 수 있습니다. 이 매개변수가 없으면 기본 첨부 파일 유형인 ' data_asset '이 다운로드됩니다. 첨부 파일 유형이 ' data_asset'이 아닌 경우 이 매개변수를 지정합니다. 예를 들어 일반 텍스트 데이터 자산에 자연어 분석에서 첨부된 프로필이 있는 경우, 첨부 파일 유형 ' data_profile_nlu'로 로드하여 다운로드할 수 있습니다.

    다음은 ' download_file '을 사용해 노트북에서 사용자 지정 R 스크립트를 사용할 수 있게 만드는 방법을 보여주는 예시입니다:

    # Import the lib
    library("ibmWatsonStudioLib")
    wslib <- access_project_or_space(list("token"="<ProjectToken>"))
    
    # Let's assume you have a R script "helpers.R" with helper functions on your local machine.
    # Upload the script to your project using the Data Panel on the right.
    
    # Download the script to the file system of your runtime
    wslib$download_file("helpers.R")
    
    # Source the script to use the contained functions, e.g. ‘my_func’, in your notebook.
    source("helpers.R")
    my_func()
    

데이터 저장

프로젝트 저장소에 데이터를 저장하는 함수는 여러 가지 일을 합니다:

• 프로젝트 저장소에 데이터 저장
• 프로젝트의 데이터 자산 목록에서 데이터를 볼 수 있도록 데이터를 데이터 자산으로 프로젝트에 추가(자산을 만들거나 기존 자산을 덮어쓰는 방법)합니다.
• 에셋을 스토리지의 파일과 연결합니다.

다음 함수를 사용하여 데이터를 저장할 수 있습니다:

• save_data(asset_name_or_item, data, overwrite = NULL, mime_type = NULL, file_name = NULL)

  이 기능은 메모리에 있는 데이터를 프로젝트 저장소에 저장합니다.

  함수는 다음 매개변수를 사용합니다.

  • asset_name_or_item' : (필수) ' list_stored_data()'가 반환하는 생성된 에셋 또는 목록 항목의 이름입니다. 기존 파일을 덮어쓰고 싶은 경우 이 항목을 사용할 수 있습니다.

  • data' : (필수) 업로드할 데이터입니다. 예상 데이터 유형은 ' raw' 입니다.

  • overwrite: (선택 사항) 저장된 데이터 자산의 데이터가 이미 있는 경우 덮어씁니다. 기본값은 False입니다. 이름 대신 에셋 항목이 전달되면 에셋을 덮어쓰는 동작이 수행됩니다.

  • mime_type' : (선택 사항) 생성된 에셋의 MIME 유형입니다. 기본적으로 MIME 유형은 에셋 이름 접미사에서 결정됩니다. 접미사 없이 에셋 이름을 사용하는 경우 여기에 MIME 유형을 지정합니다. 예를 들어 일반 텍스트 데이터의 경우 ' mime_type=application/text '입니다. 이 매개변수는 에셋을 덮어쓸 때 무시됩니다.

  • file_name: (선택 사항) 프로젝트 저장소에 사용할 파일 이름입니다. 데이터는 프로젝트와 연결된 저장소에 저장됩니다. 새 에셋을 만들 때 파일 이름은 에셋 이름에서 파생되지만 다를 수 있습니다. 파일에 직접 액세스하려면 파일 이름을 지정하면 됩니다. 이 매개변수는 에셋을 덮어쓸 때 무시됩니다.

    다음은 파일에 데이터를 저장하는 방법을 보여주는 예제입니다:

    # Import the lib
    library("ibmWatsonStudioLib")
    wslib <- access_project_or_space(list("token"="<ProjectToken>"))
    
    # let's assume you have a data frame df which contains the data
    # you want to save as a csv file
    csv <- capture.output(write.csv(df, row.names=FALSE), type="output")
    csv_raw <- charToRaw(paste0(csv, collapse='\n'))
    wslib$save_data("my_asset_name.csv", csv_raw)
    
    # the function returns a list which contains the asset_name, asset_id, file_name and additional information upon successful saving of the data
    

• upload_file(file_path, asset_name = NULL, file_name = NULL, overwrite = FALSE, mime_type = NULL)

  이 함수는 런타임에 파일 시스템의 데이터를 프로젝트와 연결된 파일에 저장합니다.

  함수는 다음 매개변수를 사용합니다.

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

  • asset_name: (선택 사항) 생성되는 데이터 자산의 이름입니다. 기본값은 업로드할 파일의 이름입니다.

  • file_name: (선택 사항) 프로젝트와 연결된 스토리지에 생성되는 파일 이름입니다. 기본값은 업로드할 파일의 이름입니다.

  • overwrite' : (선택 사항) 저장소에 있는 기존 파일을 덮어씁니다. 기본값은 False입니다.

  • mime_type' : (선택 사항) 생성된 에셋의 MIME 유형입니다. 기본적으로 MIME 유형은 에셋 이름 접미사에서 결정됩니다. 접미사 없이 에셋 이름을 사용하는 경우 여기에 MIME 유형을 지정합니다. 예를 들어 일반 텍스트 데이터의 경우 ' mime_type='application/text' '입니다. 이 매개변수는 에셋을 덮어쓸 때 무시됩니다.

    다음은 프로젝트에 파일을 업로드하는 방법을 보여주는 예제입니다:

    # Import the lib
    library("ibmWatsonStudioLib")
    wslib <- access_project_or_space(list("token"="<ProjectToken>"))
    
    # Let's assume you have downloaded a file and want to save it
    # in your project.
    download.file("https://some/url/data_file.csv", "data_file.csv")
    wslib$upload_file("data_file.csv")
    
    # The function returns a list which contains the asset_name, asset_id, file_name and additional information upon successful saving of the data.
    

연결 정보 얻기

다음 함수를 사용하여 지정된 연결의 연결 메타데이터에 액세스할 수 있습니다.

• get_connection(name_or_item)

  이 함수는 연결 데이터 소스에서 데이터를 가져오는 데 사용할 수 있는 연결의 속성(메타데이터)을 반환합니다. ' wslib$show(connprops) '을 사용하여 속성을 확인합니다. 반환된 목록 항목의 특수 키 ' "." '은 연결 자산에 대한 정보를 제공합니다.

  이 함수에는 다음과 같은 필수 매개 변수가 필요합니다:

  • name_or_item: 연결 이름이 포함된 문자열 또는 ' list_connections()'에서 반환된 것과 같은 항목입니다.

  Note that when you work with notebooks, you can click 데이터 읽기 on the Code snippets panel to generate code to load data from a connection into a pandas DataFrame for example.

연결된 데이터 정보 가져오기

다음 기능을 사용하여 연결된 데이터 자산의 메타데이터에 액세스할 수 있습니다.

• get_connected_data(name_or_item)

  이 함수는 기본 연결의 속성을 포함하여 연결된 데이터 자산의 속성을 반환합니다. ' wslib$show() '을 사용하여 속성을 확인합니다. 반환된 목록의 특수 키 ' "." '은 데이터 및 연결 자산에 대한 정보를 제공합니다.

  이 함수에는 다음과 같은 필수 매개 변수가 필요합니다:

  • name_or_item: 연결된 데이터 자산의 이름이 포함된 문자열 또는 ' list_connected_data()'에서 반환된 것과 같은 항목입니다.

  노트북으로 작업할 때 코드 조각 패널에서 데이터 읽기를 클릭하여 연결된 데이터 자산의 데이터를 판다 DataFrame 로드하는 코드를 생성할 수 있습니다.

이름 대신 ID로 자산에 액세스

항상 고유한 이름으로 데이터 자산과 연결에 액세스하는 것이 좋습니다. 에셋 이름이 항상 고유한 것은 아니며, 이름이 모호한 경우 ' ibm-watson-studio-lib ' 함수는 예외를 발생시킵니다. UI에서 데이터 자산의 이름을 변경하여 충돌을 해결할 수 있습니다.

고유 ID로 에셋에 액세스하는 것은 가능하지만 ID는 현재 프로젝트에서만 유효하며 다른 프로젝트로 전송하면 코드가 손상되므로 권장하지 않습니다. 예를 들어 프로젝트를 내보냈다가 다시 가져올 때 이런 일이 발생할 수 있습니다. 해당 목록 함수(예: ' list_connections())를 사용하여 연결, 연결 또는 저장된 데이터 자산의 ID를 가져올 수 있습니다.

엔트리 포인트 ' wslib$by_id '은 다음과 같은 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 = NULL)

  이 함수는 에셋 ID를 전달하여 저장된 데이터 에셋의 데이터를 로드합니다. 전달할 수 있는 다른 매개변수에 대한 설명은 ' load_data() '을 참조하세요.

• save_data(asset_id, data, overwrite = NULL, mime_type = NULL, file_name = NULL)

  이 함수는 에셋 ID를 전달하여 저장된 데이터 에셋에 데이터를 저장합니다. 이는 ' overwrite=TRUE 을 의미합니다. 전달할 수 있는 다른 매개변수에 대한 설명은 ' save_data() '을 참조하세요.

• download_file(asset_id, file_name = NULL, attachment_type_or_item = NULL)

  이 함수는 에셋 ID를 전달하여 저장된 데이터 에셋의 데이터를 다운로드합니다. 전달할 수 있는 다른 매개변수에 대한 설명은 ' download_file() '을 참조하세요.

프로젝트 저장소에 직접 액세스

프로젝트 저장소에서 데이터를 가져오고 프로젝트 에셋을 동기화하지 않고도 프로젝트 저장소에 데이터를 저장할 수 있는 엔트리 포인트 wslib$storage를 사용할 수 있습니다.

엔트리 포인트 ' wslib$storage '은 다음과 같은 기능을 제공합니다:

• fetch_data(filename)

  이 함수는 파일의 데이터를 바이트 버퍼로 반환합니다. 파일을 데이터 자산으로 등록할 필요는 없습니다.

  이 함수에는 다음과 같은 필수 매개 변수가 필요합니다:

  • filename: 프로젝트에 있는 파일 이름입니다.

• store_data(filename, data, overwrite = FALSE)

  이 함수는 메모리에 있는 데이터를 스토리지에 저장하지만 새 데이터 자산을 생성하지는 않습니다. 이 함수는 파일 이름, 파일 경로 및 추가 정보가 포함된 목록을 반환합니다. ' Use wslib$show() '을 사용하여 정보를 인쇄합니다.

  함수는 다음 매개변수를 사용합니다.

  • filename: (필수) 프로젝트 저장소에 있는 파일 이름입니다.
  • data' : (필수) 원시 객체로 저장할 데이터입니다.
  • overwrite: (선택 사항) 스토리지에 파일이 이미 있는 경우 해당 파일의 데이터를 덮어씁니다. 기본적으로 이 값은 false로 설정되어 있습니다.

• download_file(storage_filename, local_filename = NULL)

  이 함수는 스토리지의 파일에 있는 데이터를 다운로드하여 지정된 로컬 파일에 저장합니다. 로컬 파일이 이미 있는 경우 덮어씁니다.

  함수는 다음 매개변수를 사용합니다.

  • storage_filename' : (필수) 다운로드할 저장소의 파일 이름입니다.
  • local_filename: (선택 사항) 런타임의 로컬 파일 시스템에서 파일을 다운로드할 파일 이름입니다. 저장소 파일 이름을 사용하려면 이 매개변수를 생략하세요.

• register_asset(storage_path, asset_name = NULL, mime_type = NULL)

  이 기능은 스토리지에 있는 파일을 프로젝트의 데이터 자산으로 등록합니다. 같은 이름의 데이터 자산이 이미 존재하는 경우 이 작업은 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) 저장소에 있는 파일의 경로입니다.
  • asset_name: (선택 사항) 생성된 에셋의 이름입니다. 기본값은 파일 이름입니다.
  • mime_type' : (선택 사항) 생성된 에셋의 MIME 유형입니다. 기본적으로 MIME 유형은 에셋 이름 접미사에서 결정됩니다. 파일 이름에 파일 확장자가 없거나 다른 MIME 유형을 설정하려는 경우 이 매개변수를 사용하여 MIME 유형을 지정합니다.
  참고: 파일을 다른 데이터 자산으로 여러 번 등록할 수 있습니다. 프로젝트에서 이러한 에셋 중 하나를 삭제하면 저장소에 있는 파일도 삭제되므로 파일에 대한 다른 에셋 참조가 손상될 수 있습니다.

스파크 지원

엔트리 포인트 ' wslib$spark '은 Spark로 스토리지의 파일에 액세스하는 기능을 제공합니다.

엔트리 포인트 ' wslib$spark '은 다음과 같은 기능을 제공합니다:

• provide_spark_context(sc)

  이 기능을 사용하여 스파크 지원을 활성화합니다.

  이 함수에는 다음과 같은 필수 매개 변수가 필요합니다:

  • sc: SparkContext. 노트북 런타임에 제공됩니다.

    다음 예에서는 Spark 지원을 설정하는 방법을 보여 줍니다:

    library(ibmWatsonStudioLib)
    wslib <- access_project_or_space(list("token"="<ProjectToken>"))
    wslib$spark$provide_spark_context(sc)
    

• get_data_url(asset_name)

  이 함수는 Hadoop 통해 Spark에서 저장소의 파일에 액세스할 수 있는 URL을 반환합니다.

  이 함수에는 다음과 같은 필수 매개 변수가 필요합니다:

  • asset_name': 에셋의 이름입니다.

• storage.get_data_url(file_name)

  이 함수는 Hadoop 통해 Spark에서 저장소의 파일에 액세스할 수 있는 URL을 반환합니다. 이 함수는 에셋 이름이 아닌 파일 이름을 기대합니다.

  이 함수에는 다음과 같은 필수 매개 변수가 필요합니다:

  • file_name': 프로젝트 저장소에 있는 파일 이름입니다.

프로젝트 자산 찾아보기

엔트리 포인트 ' wslib$assets '은 모든 유형의 에셋에 대한 일반 읽기 전용 액세스를 제공합니다. 일부 자산 유형에는 추가 데이터를 제공하는 전용 기능이 있습니다.

다음 이름 지정 규칙이 적용됩니다.

• ' list_<something> '이라는 이름의 함수는 명명된 목록의 목록을 반환합니다. 포함된 각 목록은 하나의 자산을 나타내며 자산을 식별하는 작은 속성 집합(메타데이터)을 포함합니다.
• ' get_<something> '이라는 이름의 함수는 에셋의 속성이 포함된 단일 명명된 목록을 반환합니다.

목록 또는 명명된 목록의 목록을 예쁘게 인쇄하려면 ' wslib$show()' 을 사용합니다.

이 함수는 에셋의 이름 또는 목록의 항목을 매개변수로 사용합니다. 기본적으로 함수는 사용 가능한 에셋 프로퍼티의 하위 집합만 반환합니다. 매개변수 ' raw_info=TRUE'을 설정하면 전체 에셋 속성 세트를 가져올 수 있습니다.

엔트리 포인트 ' wslib$assets '은 다음과 같은 기능을 제공합니다:

• list_assets(asset_type, name = NULL, query = NULL, selector = NULL, raw_info = FALSE)

  이 함수는 주어진 제약 조건과 관련하여 주어진 유형에 대한 모든 에셋을 나열합니다.

  함수는 다음 매개변수를 사용합니다.

  • asset_type: (필수) 나열할 에셋의 유형(예: ' data_asset). 사용 가능한 에셋 유형 목록은 ' list_asset_types() '을 참조하세요. 프로젝트에서 사용 가능한 모든 에셋의 목록은 에셋 유형 ' asset '을 사용합니다.

  • name: (선택 사항) 나열할 에셋의 이름입니다. 같은 이름의 에셋이 두 개 이상 존재하는 경우 이 매개변수를 사용합니다. ' name '과 ' query' 중 하나만 지정할 수 있습니다.

  • query: (선택 사항) 에셋 검색을 위해 데이터 및 AI 공통 코어 API에 전달되는 쿼리 문자열입니다. ' name '과 ' query' 중 하나만 지정할 수 있습니다.

  • selector: (선택 사항) 후보 자산 목록 항목에 대한 사용자 지정 필터 기능입니다. 선택기 함수가 ' TRUE'을 반환하면 해당 에셋은 반환된 에셋 목록에 포함됩니다.

  • raw_info: (선택 사항) 사용 가능한 모든 메타데이터를 반환합니다. 기본적으로 매개 변수는 ' FALSE '로 설정되어 있으며 속성의 하위 집합만 반환됩니다.

    ' list_assets ' 함수 사용 예시:

    # Import the lib
    library("ibmWatsonStudioLib")
    wslib <- access_project_or_space(list("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 <- function(asset) asset$metadata$size > 1000000
    large_assets <- wslib$assets$list_assets("data_asset", selector = sizeFilter, raw_info = TRUE)
    wslib$show(large_assets)
    
    # List all notebooks
    notebooks <- wslib$assets$list_assets("notebook")
    

• list_asset_types(raw_info = FALSE)

  이 기능은 사용 가능한 모든 에셋 유형을 나열합니다.

  이 함수는 다음 매개변수를 사용할 수 있습니다:

  • raw_info' : (선택 사항) 메타데이터의 전체 세트를 반환합니다. 기본적으로 매개변수는 ' FALSE '이며 속성의 하위 집합만 반환됩니다.

• list_datasource_types(raw_info = FALSE)

  이 함수는 사용 가능한 모든 데이터 소스 유형을 나열합니다.

  이 함수는 다음 매개변수를 사용할 수 있습니다:

  • raw_info' : (선택 사항) 메타데이터의 전체 세트를 반환합니다. 기본적으로 매개변수는 ' FALSE '이며 속성의 하위 집합만 반환됩니다.

• get_asset(name_or_item, asset_type=None, raw_info = FALSE)

  이 함수는 에셋의 메타데이터를 반환합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item' : (필수) 에셋의 이름 또는 ' list_assets()'가 반환한 것과 같은 항목입니다

  • asset_type: (선택 사항) 에셋의 유형입니다. 매개변수 ' name_or_item '에 에셋 이름에 대한 문자열이 포함된 경우 ' asset_type '를 설정해야 합니다.

  • raw_info' : (선택 사항) 메타데이터의 전체 세트를 반환합니다. 기본적으로 매개변수는 ' FALSE '이며 속성의 하위 집합만 반환됩니다.

    ' list_assets ' 및 ' get_asset ' 함수 사용 예시:

    notebooks <- wslib$assets$list_assets("notebook")
    wslib$show(notebooks)
    
    notebook <- wslib$assets$get_asset(notebooks[[1]])
    wslib$show(notebook)
    

• get_connection(name_or_item, with_datasourcetype=False, raw_info = FALSE)

  이 함수는 연결의 메타데이터를 반환합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item' : (필수) 연결 이름 또는 ' list_connections()'가 반환한 것과 같은 항목입니다
  • with_datasourcetype: (선택 사항) 연결의 데이터 소스 유형에 대한 추가 정보를 반환합니다.
  • raw_info' : (선택 사항) 메타데이터의 전체 세트를 반환합니다. 기본적으로 매개변수는 ' FALSE '이며 속성의 하위 집합만 반환됩니다.

• get_connected_data(name_or_item, with_datasourcetype=False, raw_info = FALSE)

  이 함수는 연결된 데이터 자산의 메타데이터를 반환합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item' : (필수) 연결된 데이터 자산의 이름 또는 ' list_connected_data()'가 반환한 것과 같은 항목입니다
  • with_datasourcetype: (선택 사항) 연결된 연결된 데이터 자산의 데이터 소스 유형에 대한 추가 정보를 반환합니다.
  • raw_info' : (선택 사항) 메타데이터의 전체 세트를 반환합니다. 기본적으로 매개변수는 ' FALSE '이며 속성의 하위 집합만 반환됩니다.

• get_stored_data(name_or_item, raw_info = FALSE)

  이 함수는 저장된 데이터 자산의 메타데이터를 반환합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item' : (필수) 저장된 데이터 자산의 이름 또는 ' list_stored_data()'가 반환한 것과 같은 항목입니다
  • raw_info' : (선택 사항) 메타데이터의 전체 세트를 반환합니다. 기본적으로 매개변수는 ' FALSE '이며 속성의 하위 집합만 반환됩니다.

• list_attachments(name_or_item_or_asset, asset_type=None, raw_info = FALSE)

  이 함수는 자산의 첨부 파일 목록을 반환합니다.

  함수는 다음 매개변수를 사용합니다.

  • name_or_item_or_asset: (필수) 에셋의 이름 또는 ' list_stored_data() ' 또는 ' get_asset()'에서 반환한 것과 같은 항목입니다.

  • asset_type: (선택 사항) 에셋의 유형입니다. 기본값은 ' data_asset 입니다.

  • raw_info' : (선택 사항) 메타데이터의 전체 세트를 반환합니다. 기본적으로 매개변수는 ' FALSE '이며 속성의 하위 집합만 반환됩니다.

    ' list_attachments ' 기능을 사용하여 저장된 데이터 자산의 첨부파일을 읽는 예시입니다:

    assets <- wslib$list_stored_data()
    wslib$show(assets)
    
    asset <- assets[[1]]
    attachments <- wslib$assets$list_attachments(asset)
    wslib$show(attachments)
    buffer <- wslib$load_data(asset, attachments[[1]])
    

상위 주제: Ibm-watson-studio-lib 사용