如何通过 API 调用解析数据集的完整记录集？

问题描述

如何通过Foundry API 调用获取完整的数据集记录？ 我想在 Foundry 之外的另一个 Python 应用程序中使用该数据集，并且只使用 requests 的前 300 行记录。 我拥有的 requests API 端点使用的是 Contour dataset-preview。

解决方法

在 Foundry 中查询数据集有不同的可能性，具体取决于数据集大小和用例。 可能最容易上手的是数据代理查询 sql，因为您不必担心数据集的底层文件格式。

import requests
import pandas as pd

def query_foundry_sql(query,token,branch='master',base_url='https://foundry-instance.com') -> (list,list):
    """
    Queries the dataproxy query API with spark SQL.
    Example: query_foundry_sql("SELECT * FROM `/path/to/dataset` Limit 5000","ey...")
    Args:
        query: the sql query
        branch: the branch of the dataset / query

    Returns: (columns,data) tuple. data contains the data matrix,columns the list of columns
    Can be converted to a pandas Dataframe:
    pd.DataFrame(data,columns)

    """
    response = requests.post(f"{base_url}/foundry-data-proxy/api/dataproxy/queryWithFallbacks",headers={'Authorization': f'Bearer {token}'},params={'fallbackBranchIds': [branch]},json={'query': query})

    response.raise_for_status()
    json = response.json()
    columns = [e['name'] for e in json['foundrySchema']['fieldSchemaList']]
    return columns,json['rows']

columns,data = query_foundry_sql("SELECT * FROM `/Global/Foundry Operations/Foundry Support/iris` Limit 5000","ey...",base_url="https://foundry-instance.com")
df = pd.DataFrame(data=data,columns=columns)
df.head(5)