Table

​

classe wandb.Table

columns: 'list[ColumnKey] | None' = None,
data: 'list[InputRow] | np.ndarray | pd.DataFrame | None' = None,
rows: 'list[InputRow] | None' = None,
dataframe: 'pd.DataFrame | None' = None,
dtype: 'Any' = None,
optional: 'bool | list[bool]' = True,
allow_mixed_types: 'bool' = False,
log_mode: 'LogMode | None' = 'IMMUTABLE'

• columns: Noms des colonnes du tableau. Valeurs par défaut : [“Input”, “Output”, “Expected”].
• data: Tableau 2D de valeurs orienté par lignes, tableau NumPy ou DataFrame pandas.
• rows: Tableau 2D de valeurs orienté par lignes.
• dataframe: Objet DataFrame utilisé pour créer le tableau. Lorsqu’il est défini, les arguments data et columns sont ignorés.
• dtype: Type attendu pour les valeurs des colonnes, utilisé pour valider les données. S’il n’est pas défini, les types sont déduits à partir des données. Il peut s’agir de :
  • un type unique
    • un type intégré Python tel que int, str, bool, list, dict ou datetime.
    • un type W&B Media comme wandb.Image déclaré dans wandb.data_types
    • une valeur constante
  • une liste de l’un des éléments ci-dessus pour attribuer un type différent à chaque colonne (doit avoir la même longueur que columns)
• optional: Détermine si les valeurs None sont autorisées. Valeur par défaut : True.
  • S’il s’agit d’une valeur booléenne unique, le caractère facultatif est appliqué à toutes les colonnes spécifiées lors de la création
  • S’il s’agit d’une liste de valeurs booléennes, le caractère facultatif est appliqué à chaque colonne ; la liste doit avoir la même longueur que columns s’applique à toutes les colonnes. Une liste de valeurs booléennes s’applique à chaque colonne correspondante.
• allow_mixed_types: Détermine si les colonnes peuvent contenir des types mixtes (désactive la validation de type). Valeur par défaut : False
• log_mode: Contrôle la façon dont la Table est enregistrée lorsque des modifications surviennent. Options :
  • “IMMUTABLE” (par défaut) : la Table ne peut être enregistrée qu’une seule fois ; les tentatives d’enregistrement suivantes après modification du tableau seront sans effet.
  • “MUTABLE” : la Table peut être enregistrée à nouveau après des modifications, créant une nouvelle version d’artifact à chaque enregistrement.
  • “INCREMENTAL” : les données de la Table sont enregistrées de façon incrémentielle, chaque enregistrement créant une nouvelle entrée d’artifact contenant les nouvelles données depuis le dernier enregistrement.

​

méthode Table.add_column()

self,
name: 'str',
data: 'list[Any] | np.ndarray',
optional: 'bool' = False

• name: Le nom unique de la colonne.
• data: Une colonne de données homogènes.
• optional: Si les valeurs nulles sont autorisées.

​

méthode Table.add_computed_columns()

self,
fn: 'Callable[[int, dict[ColumnKey, Any]], dict[str, Any]]'

• fn: fonction qui accepte un index et le dictionnaire d’une ligne, et qui renvoie un dictionnaire représentant les nouvelles colonnes de cette ligne, avec pour clés les noms des nouvelles colonnes.

• ndx est un entier qui représente l’indice de la ligne.
• row est un dictionnaire dont les clés correspondent aux colonnes existantes.

import wandb

table = wandb.Table(columns=["x", "y"], data=[[3, 1], [4, 6]])
table.add_computed_columns(lambda ndx, row: {"diff": row["x"] - row["y"]})

​

méthode Table.add_data()

self, *data: 'Any'

• data:

​

méthode Table.add_row()

self, *row: 'Any'

• row:

​

méthode Table.cast()

self,
col_name: 'ColumnKey',
dtype: 'Any',
optional: 'bool' = False

• col_name: Le nom de la colonne à convertir.
• dtype: Le type cible.
• optional: Indique si la colonne doit accepter des valeurs None.

​

méthode Table.get_column()

self,
name: 'ColumnKey',
convert_to: "Literal['numpy'] | None" = None

• name: Le nom de la colonne.
• convert_to: « numpy » convertit les données sous-jacentes en un objet NumPy.

​

méthode Table.get_dataframe()

self

​

méthode Table.get_index()

(self)