Luigi使ってみた

Luigi使ってみた

以下のデータパイプラインを作成

  1. irisデータ取得
  2. irisデータ加工(前処理)

(すごい適当。。。ひとまず動作確認が出来ればOK)

詳細

ディレクトリ構成

1
2
3
4
5
6
├─data
│  ├─preprocessing  ← 前処理したファイル
│  └─source         ← 取得したファイル
└─src
        run.py      ← Luigiのソース

run.pyの中身

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
import pickle

import luigi
import pandas as pd
from luigi.util import requires
from sklearn import datasets
from sklearn.preprocessing import StandardScaler

class LoadDataset(luigi.Task):
    
    def output(self):
        """出力を定義
        """
        return luigi.LocalTarget("../data/source/iris.pkl", format=luigi.format.Nop) # pickleのためNop指定

    def run(self):
        """ビジネスロジック
        """
        df: pd.DataFrame = datasets.fetch_openml("iris", version=1, as_frame=True, return_X_y=False).frame
    
        with self.output().open(mode="w") as fp:
            # 型が失われるのでpickle(バイナリ)で保存
            fp.write(pickle.dumps(df, protocol=pickle.HIGHEST_PROTOCOL))

@requires(LoadDataset)
class MainTask(luigi.Task):
    
    def output(self):
        return luigi.LocalTarget("../data/preprocessing/iris_normed.pkl", format=luigi.format.Nop)

    def run(self):
        
        scaler = StandardScaler()
        xcols = ['sepallength', 'sepalwidth', 'petallength', 'petalwidth']
        ycol = ["class"]

        with self.input().open("r") as fp:
            df = pickle.load(fp)
        
        df_scaled = pd.DataFrame(
                               data=scaler.fit_transform(df[xcols]),
                               columns=xcols
                            )

        with self.output().open("w") as fp:
            fp.write(pickle.dumps(df_scaled, protocol=pickle.HIGHEST_PROTOCOL))


if __name__ == "__main__":
    luigi.build([MainTask()], local_scheduler=True)

pandasのデータフレームの型情報を残すには、pickle(バイナリ)で保存するのが良い見たい
Luigi逆引きリファレンス

実行

1
2
$ cd src
$ python run.py
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
├─data
│  ├─preprocessing
│  │      iris_normed.pkl
│  │
│  ├─result
│  └─source
│          iris.pkl
└─src
        run.py

できてるっぽい

最終更新 Feb 18, 2024 18:26 +0900
Built with Hugo
テーマ StackJimmy によって設計されています。