Utiliser ai.classify avec pandas

La ai.classify fonction catégorise chaque ligne d’entrée à l’aide des étiquettes que vous fournissez.

Note

Aperçu

La fonction ai.classify étend la classe Série pandas. Pour affecter des étiquettes fournies par l’utilisateur à chaque ligne d’entrée, appelez la fonction sur une colonne de texte d’un DataFrame pandas.

La fonction retourne une série pandas qui contient des étiquettes de classification, qui peuvent être stockées dans une nouvelle colonne DataFrame.

Conseil / Astuce

Nous vous recommandons d’utiliser la fonction ai.classify avec au moins deux étiquettes d’entrée.

Syntaxe

df["classification"] = df["input"].ai.classify("category1", "category2", "category3")

Paramètres

Nom Descriptif
labels
Obligatoire		 Une ou plusieurs chaînes qui représentent l’ensemble d’étiquettes de classification à mettre en correspondance avec les valeurs de texte d’entrée.

Retours

La fonction retourne une Série pandas qui contient l’étiquette de classification pour chaque ligne de texte d’entrée. Si une valeur de texte ne peut pas être classifiée, l’étiquette correspondante est null.

Example

# This code uses AI. Always review output for mistakes.

df = pd.DataFrame([
        "This duvet, lovingly hand-crafted from all-natural fabric, is perfect for a good night's sleep.",
        "Tired of friends judging your baking? With these handy-dandy measuring cups, you'll create culinary delights.",
        "Enjoy this *BRAND NEW CAR!* A compact SUV perfect for the professional commuter!"
    ], columns=["descriptions"])

df["category"] = df['descriptions'].ai.classify("kitchen", "bedroom", "garage", "other")
display(df)

Output:

Capture d’écran d’une trame de données avec les colonnes « descriptions » et « catégorie ». La colonne « catégorie » répertorie le nom de la catégorie de chaque description.

Entrée multimodale

Pour classifier des images, des fichiers PDF ou texte, définissez column_type="path" lorsque la colonne d’entrée contient des chaînes de chemin d’accès de fichier. Pour connaître les types de fichiers et la configuration pris en charge, consultez Utiliser l’entrée modale avec AI Functions.

# This code uses AI. Always review output for mistakes.

file_path_series = aifunc.list_file_paths("/lakehouse/default/Files")
custom_df = pd.DataFrame({"file_path": file_path_series})

custom_df["highest_degree"] = custom_df["file_path"].ai.classify(
    "Master", "PhD", "Bachelor", "Other",
)
display(custom_df)

Note

Lorsque vous utilisez aifunc.list_file_paths() pour créer votre colonne de chemin d’accès de fichier, les objets retournés yarl.URL sont automatiquement détectés en tant que chemins de fichier. Vous devez uniquement spécifier column_type="path" quand votre colonne contient des URL de chaîne simple.

Vous pouvez également utiliser aifunc.load pour ingérer des fichiers dans un DataFrame, puis classifier la colonne chemin d’accès aux fichiers :

# This code uses AI. Always review output for mistakes.

df, schema = aifunc.load("/lakehouse/default/Files")
df["category"] = df["file_path"].ai.classify("Master", "PhD", "Bachelor", "Other")
display(df)

Lorsque vous utilisez aifunc.load, la colonne de chemin d’accès de fichier contient des yarl.URL objets qui sont détectés automatiquement. Pour les URL de chaîne simple, définissez column_type="path".

Contenu connexe

  • Last updated on