Använd ai.classify med pandas

Funktionen ai.classify kategoriserar varje indatarad med hjälp av de etiketter som du anger.

Anmärkning

Översikt

Klassen ai.classify utökas av funktionen . Om du vill tilldela användaretiketter till varje indatarad anropar du funktionen i en textkolumn i en Pandas DataFrame.

Funktionen returnerar en Pandas-serie som innehåller klassificeringsetiketter, som kan lagras i en ny DataFrame-kolumn.

Tips/Råd

Vi rekommenderar att du använder funktionen ai.classify med minst två indataetiketter.

Syntax

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

Parameterar

Namn Description
labels
Krävs		 En eller flera strängar som representerar den uppsättning klassificeringsetiketter som ska matcha indatatextvärden.

Retur

Funktionen returnerar en pandaserie som innehåller en klassificeringsetikett för varje inmatningstextrad. Om ett textvärde inte kan klassificeras är motsvarande etikett 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)

Resultat:

Skärmbild av en dataram med kolumnerna

Multimodala ingång

Om du vill klassificera bilder, PDF-filer eller textfiler anger du column_type="path" när indatakolumnen innehåller filsökvägssträngar. Information om vilka filtyper och installationer som stöds finns i Använda multimodala indata med 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)

Anmärkning

När du använder aifunc.list_file_paths() för att skapa kolumnen filsökväg identifieras de returnerade yarl.URL objekten automatiskt som filsökvägar. Du behöver bara ange column_type="path" när kolumnen innehåller oformaterade sträng-URL:er.

Du kan också använda aifunc.load för att mata in filer i en DataFrame och sedan klassificera kolumnen filsökväg:

# 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)

När du använder aifunc.loadinnehåller yarl.URL kolumnen filsökväg objekt som identifieras automatiskt. För vanliga sträng-URL:er anger du column_type="path".

Relaterat innehåll

  • Last updated on