register_pandas_dataframe crashes kernel when receiving dataframe with multiple columns with same name
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Anfängerfreundlichkeit
- 30/100
- Issue-Typ
- Bug
- Klarheit
- Größtenteils klar
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- azure, jupyter-notebook, pandas, python
- Bereich
- data, machine-learning
Rechercherichtung
Beginnen Sie damit, das pandas DataFrame-Beispiel aus dem Issue mit doppelten Spaltennamen auszuführen, und beobachten Sie, wie der Kernel beendet wird. Der Payload identifiziert die Dokumentationsquelle für TabularDatasetFactory unter AzureML-Docset/stable/docs-ref-autogen/azureml-core/azureml.data.dataset_factory.tabulardatasetfactory.yml, aber es wird weder eine Implementierungsdatei noch ein Test genannt. Als erledigt gilt die Aufgabe, wenn der Fehler hilfreiches Feedback zurückgibt, ohne den IPython kernel zum Absturz zu bringen.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
My Synapse kernel crashed when I tried to register a dataset where the dataframe had multiple columns with the same name. I am not completely sure if this is the correct place to post this, but this is the best place I could find.
Minimum reproducible example:
dataset = Dataset.Tabular.register_pandas_dataframe(
dataframe = pd.DataFrame([[1,2],[1,2]], columns=['a', 'a']),
target = datastore,
name = "bad_dataframe",
show_progress=True,
)
What I would expect:
To get some feedback about why it fails, and the kernel should not crash.
What I get:
Validating arguments.
Arguments validated.
Successfully obtained datastore reference and path.
Uploading file to managed-dataset/13e4b3c6-8730-4951-bde5-2d2bc6456e2d/
InternalError: Ipython kernel exits with code -11. Please restart your session.
Document Details
⚠ Do not edit this section. It is required for docs.microsoft.com ➟ GitHub issue linking.
- ID: 9b1aee32-5a1f-2ef1-ee76-30b17999db87
- Version Independent ID: f4785272-a81d-e9cc-c6a5-9d41c8dcd90b
- Content: azureml.data.dataset_factory.TabularDatasetFactory class - Azure Machine Learning Python
- Content Source: AzureML-Docset/stable/docs-ref-autogen/azureml-core/azureml.data.dataset_factory.TabularDatasetFactory.yml
- Service: machine-learning
- Sub-service: core
- GitHub Login: @DebFro
- Microsoft Alias: debfro
- Vorherrschende Sprache
- Jupyter Notebook
- Sterne
- 4.4k
- Forks
- 2.6k
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Entwicklungsumgebung
Die Einrichtungsdateien dieses Projekts haben wir noch nicht geprüft. Beginnen Sie mit der README; die allgemeinen Schritte stehen in unserem Leitfaden für den ersten Beitrag.
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus Azure/MachineLearningNotebooks
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100
Azure/MachineLearningNotebooks#1975 · 1 Kommentar ·
-
duplicatesOffen
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 68/100
Azure/MachineLearningNotebooks#1960 ·
-
machineOffen
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 10/100
Azure/MachineLearningNotebooks#1987 ·
-
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100
Azure/MachineLearningNotebooks#1985 · 1 Kommentar ·
-
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 35/100
Azure/MachineLearningNotebooks#1981 · 1 Reaktion ·
Alle Issues in Azure/MachineLearningNotebooks
Ähnliche Issues
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 84/100
Maintainer antworten meist innerhalb von 1 Tag
-
bug
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 75/100
-
triage
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 88/100
Maintainer antworten meist innerhalb von 1 Tag
-
bug connector good first issue
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 90/100
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 Ein halber Tag Anfängerfreundlichkeit 78/100
ThinkR-open/datadiff#59 ·