Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Unexpected data in Blob Dataset 2020

Aperta
  • Qualcosa non va?
#50 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
35/100
Tipo di issue
Bug
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
jupyter-notebook
Ambito
data

Direzione di ricerca

Inizia con lo schema di 2020 Blob Dataset e il filtro dataframe citato per AnonFunctionInvocationId 1967128581. Confronta gli altri ID di invocazione citati e i relativi valori AnonAppName, quindi verifica se l'affermazione di unicità dello schema è supportata. Il lavoro è completato quando viene documentata una spiegazione confermata o una discrepanza riproducibile nella qualità dei dati.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

The schema of the 2020 Blob Dataset presents AnonFunctionInvocationId and AnonAppName as unique IDs.

However, there are sometimes discrepancies where the invocationId spans multiple application names. For example,

full_df[full_df['AnonFunctionInvocationId'] == 1967128581]
Timestamp AnonRegion AnonUserId AnonAppName AnonFunctionInvocationId AnonBlobName BlobType AnonBlobETag BlobBytes Read Write Datetime
1606814873193 q2d 1209884869 01qqaww4 1967128581 1wx5dgohq1kiwjum BlockBlob/text/plain; charset=utf-8 f1x5p2nqh6 28.0 True False 2020-12-01 09:27:53.193
1607004493391 q2d 1209884869 j2alqt8s 1967128581 1wx5dgohq1kiwjum BlockBlob/text/plain; charset=utf-8 w5mohi6523 28.0 True False 2020-12-03 14:08:13.391

This seems to be a recurrent pattern with this user, for example consider other functionInvocationIds 830734703, 440926898, or 900464655.

This leads me to believe that the cause is unlikely to be unfortunate prefixes of hashed IDs. Is there any way to explain this discrepancy, apart from the data being potentially unclean?

Lingua principale
Jupyter Notebook
Stelle
1.2k
Fork
187
Merge medio
1h 28m
PR unite (30g)
2

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di Azure/AzurePublicDataset

Tutte le issue di Azure/AzurePublicDataset

Issue simili

Altre issue su Data Engineering

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.