1

我在这里阅读“参数” ，想知道我是否可以定义目录级别的参数，以便以后在目录源的定义中使用？

考虑一个简单的 YAML 目录，它有两个来源：

sources:
  data1:
    args:
      urlpath: "{{CATALOG_DIR}}/data/{{snapshot_date}}/data1.csv"
    description: ''
    driver: intake.source.csv.CSVSource
    metadata: {}
    
  data2:
    args:
      urlpath: "{{CATALOG_DIR}}/data/{{snapshot_date}}/data2.csv"
    description: ''
    driver: intake.source.csv.CSVSource
    metadata: {}

请注意，两个数据源（data1 和 data2）都使用snapshot_date参数内的urlpath参数？有了这个定义，我可以加载数据源：

cat = intake.open_catalog("./catalog.yaml")
cat.data1(snapshot_date="latest").read()   # reads from data/latest/data1.csv
cat.data2(snapshot_date="20211029").read() # reads from data/20211029/data2.csv

请注意，这cat.data1().read()不起作用，因为snapshot_date默认为空字符串，因此 csv 驱动程序找不到路径“./data//data1.csv”。

我可以通过向每个（！）源添加部分来设置默认值，parameters如下所示。

sources:
  data1:
    parameters:
      snapshot_date:
        type: str
        default: "latest"
        description: ""
    args:
      urlpath: "{{CATALOG_DIR}}/data/{{snapshot_date}}/data1.csv"
    description: ''
    driver: intake.source.csv.CSVSource
    metadata: {}
    
  data2:
    parameters:
      snapshot_date:
        type: str
        default: "latest"
        description: ""
    args:
      urlpath: "{{CATALOG_DIR}}/data/{{snapshot_date}}/data2.csv"
    description: ''
    driver: intake.source.csv.CSVSource
    metadata: {}

但这看起来很复杂（太多重复的代码）并且对最终用户来说有点不方便——如果用户想要从给定日期加载所有数据源，他必须snapshot_date在初始化时显式地为每个（！）数据源提供参数。IMO，如果我用户可以在初始化目录时提供一次这个值，那就太好了。

有没有办法可以snapshot_date在目录级别定义参数？以便：

  • 我可以在目录参数的 YAML 定义中设置默认值（例如，在我的示例中为“最新”）
  • 或者可以在调用期间在运行时传递目录的参数值intake.open_catalog("./catalog.yaml", snapshot_date="20211029")
  • 在该目录的数据源定义中应该可以访问该值吗？
cat = intake.open_catalog("./catalog.yaml", snapshot_date="20211029")
cat.data1.read()  # will return data from ./data/20211029/data1.csv
cat.data2.read()  # will return data from ./data/20211029/data2.csv
cat.data2(snapshot_date="latest").read()  # will return data from ./data/latest/data1.csv

cat = intake.open_catalog("./catalog.yaml")
cat.data1.read()  # will return data from ./data/latest/data1.csv
cat.data2.read()  # will return data from ./data/latest/data2.csv

提前致谢

4

2 回答 2

2

这个想法之前已经提出过（https://github.com/intake/intake/pull/562，https://github.com/intake/intake/issues/511），我有一个暗示可能是https:// /github.com/zillow/intake-nested-yaml-catalog支持您所要求的内容。

但是，我完全支持在 Intake 中添加此功能，无论是基于 #562，上面还是其他。将它添加到基本目录和 YAML 文件目录应该很容易，但要让它适用于所有子类可能会很棘手。

目前，您可以使用环境变量来实现您想要的，例如“{{snapshot_date}}”->“{{env(SNAPSHOT_DATE)}}”，但您需要与用户沟通应该设置此变量。此外，如果该值不在字符串中使用，您仍需要一个参数定义来强制转换为正确的类型。

于 2021-11-01T13:27:23.017 回答
0

This is a bit of a hack, but consider a yaml file with this content:

global_params:
  snapshot_date: &global
    default: latest
    description: ''
    type: str

sources:
  data1:
    args:
      urlpath: '{{CATALOG_DIR}}/data/{{snapshot_date}}/data1.csv'
    description: ''
    driver: intake.source.csv.CSVSource
    metadata: {}
    parameters:
      snapshot_date: *global
  data2:
    args:
      urlpath: '{{CATALOG_DIR}}/data/{{snapshot_date}}/data2.csv'
    description: ''
    driver: intake.source.csv.CSVSource
    metadata: {}
    parameters:
      snapshot_date: *global

Now intake will accept keyword argument for snapshot_date for specific sources.

Some relevant answers: 1 and 2.

于 2021-11-10T13:10:56.423 回答