从数据块中的另一个笔记本返回数据帧

Question

我有一个笔记本，它将处理文件并以结构化格式创建数据框。 现在我需要导入在另一个笔记本中创建的数据框，但问题是在运行笔记本之前，我需要验证它仅适用于我需要运行的某些场景。

通常要导入所有数据结构，我们使用 %run。但在我的情况下，它应该是 if 子句的组合，然后 notebook 运行

if "dataset" in path": %run ntbk_path

它给出一个错误“路径不存在”

if "dataset" in path": dbutils.notebook.run(ntbk_path)

这个我无法得到所有的数据结构。

谁能帮我解决这个错误？

Answer 1

要正确实现它，您需要了解事情是如何工作的：

• %run 是一个单独的指令，应该放入单独的笔记本单元格中，您不能将它与 Python 代码混合使用。另外，它不能接受笔记本名称作为变量。 %run 正在做什么 - 它在当前 Spark 会话的上下文中评估来自指定笔记本的代码，因此在该笔记本中定义的所有内容 - 变量、函数等都在调用者中可用笔记本。
• dbutils.notebook.run 是一个函数，它可以采用笔记本路径，加上参数并在当前集群上将其作为单独的作业执行。因为它是作为单独的作业执行的，所以它不会与当前笔记本共享上下文，并且其中定义的所有内容在调用者笔记本中将不可用（您可以返回一个简单的字符串作为执行结果，但它的最大长度相对较小）。 dbutils.notebook.run 的问题之一是调度作业需要几秒钟，即使代码非常简单。

你如何实现你所需要的？

• 如果你使用dbutils.notebook.run，那么你可以在被调用笔记本中注册一个临时视图，调用者笔记本可以从中读取数据（示例取自this demo）

调用笔记本（Code1 - 它需要两个参数 - name 用于视图名称和 n - 用于生成条目数）：

name = dbutils.widgets.get("name")
n = int(dbutils.widgets.get("n"))
df = spark.range(0, n)
df.createOrReplaceTempView(name)

来电笔记本（我们称之为main）：

if "dataset" in "path": 
  view_name = "some_name"
  dbutils.notebook.run(ntbk_path, 300, {'name': view_name, 'n': "1000"})
  df = spark.sql(f"select * from {view_name}")
  ... work with data

• 甚至可以用%run 做类似的事情，但它可能需要一种“魔法”。它的基础是您可以使用$arg_name="value" 将参数传递给被调用的笔记本，甚至可以引用小部件中指定的值。但无论如何，值的检查都会发生在被调用的笔记本中。

被调用的笔记本可能如下所示：

flag = dbutils.widgets.get("generate_data")
dataframe = None
if flag == "true":
  dataframe = ..... create datarame

调用者笔记本可能如下所示：

------ cell in python
if "dataset" in "path": 
  gen_data = "true"
else:
  gen_data = "false"
dbutils.widgets.text("gen_data", gen_data)

------- cell for %run
%run ./notebook_name $generate_data=$gen_data

------ again in python
dbutils.widgets.remove("gen_data") # remove widget
if dataframe: # dataframe is defined
  do something with dataframe