Return 来自数据块中另一个笔记本的数据框

Question

我有一个笔记本可以处理文件并创建结构化格式的数据框。现在我需要导入在另一个笔记本中创建的数据框，但问题是在运行连接笔记本之前我需要验证仅在某些情况下我需要运行.

通常导入所有数据结构，我们使用%运行。但就我而言，它应该是 if 子句和 notebook 运行

的组合

if "dataset" in path": %run ntbk_path

它给出错误“路径不存在”

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

这个我搞不懂所有的数据结构

有人可以帮我解决这个错误吗？

Answer 1

要正确实施它，您需要了解其运作方式：

%run 是一个单独的指令，应该放在单独的笔记本单元格中，不能将它与 Python 代码混合。另外，它不能接受笔记本名称作为变量。 %run 正在做什么 - 它正在当前 Spark 会话 的上下文中评估来自指定笔记本的代码，因此该笔记本中定义的所有内容 - 变量、函数等。在来电笔记本中可用。
dbutils.notebook.run 是一个函数，它可以采用笔记本路径，加上参数，并且 在当前集群 上将其作为单独的作业执行。因为它是作为一个单独的作业执行的，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 都不会在调用者笔记本中可用 （您可以 return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 的问题之一是作业的调度需要几秒钟，即使代码非常简单。

如何实现您的需求？

如果你使用dbutils.notebook.run，那么在被调用的笔记本中你可以注册一个临时视图，调用者笔记本可以从中读取数据（示例来自this demo）

调用的笔记本（Code1 - 它需要两个参数 - name 视图名称和 n - 要生成的条目数）：

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

来电记事本（姑且称之为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

甚至可以像 %run 那样做一些事情，但这可能需要某种“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，您甚至可以引用小部件中指定的值。但无论如何，值的检查将在被调用的笔记本中进行。

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

Return 来自数据块中另一个笔记本的数据框

Return a dataframe from another notebook in databricks

pyspark

databricks

azure-databricks