Google colab中如何从kaggle中接入数据?

2024-03-22 22:36

本文主要是介绍Google colab中如何从kaggle中接入数据?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

写在前面

使用google colab进行数据分析和探索时,可引用的数据源包括但不限于:1.可上传的数据文件用本地加载的的方式打开数据资源;2.从网络链接中直接打开后加载到缓存中的文件资源;3.通过API或者外部的开放接口加载数据;

今天要介绍的就是第三种,我试图教会你如何从colab中直接从kaggle加载数据集。理论上这种方法适用于所有的云端jupyter笔记本。实施过程中如果遇到预期之外的问题,欢迎留言交流讨论。

本文涉及到两大平台内容,所以我默认你已经拥有了,并且使用过了一段时间的google账号和kaggle账号。首先介绍一下google的colab,相比于其他国内外平台,它对于免费账号也分配足够可用的GPU和TPU资源。而且升级到pro版本后,更可以借助copilot的AI补全代码功能,减少开发压力。

Google Colab 是一项托管 Jupyter Notebook 服务,无需设置即可使用,并提供对计算资源(包括 GPU 和 TPU)的免费访问。 Colab 特别适合机器学习、数据科学和教育。

对于在云端笔记本中使用kaggle数据,完全可以通过先将kaggle数据下载至本地,再将数据上传到服务器的方式解决。但本文旨在摆脱这种冗长的处理办法,试图一步到位,而对于无法实现本教程中操作办法的同学们,还是建议一切以能用为主,简化流程乃是第二位的。

kaggle 部分

  • 点击你的头像,选择Settings
  • 下拉至 API,创建一个用于google colab使用的token,点击create new Token后,会自动开始下载一个kaggle.json的配置文件,这是你的Kaggle API密钥文件,记住它的存储位置,稍后我们会用到。

在这里插入图片描述

Google Colab部分

1.将kaggle.json文件上传至Google Drive

你新建的jupyter笔记本也会默认保存在Drive的某个位置,与其他的google应用一起共享Drive的免费空间。将kaggle.json文件通过 “上传” 功能传至Google Drive,记住它的位置,之后要用。

如果是其他的在线jupyter内容,请上传至对应云端服务器上存储jupyter笔记本位置的同一文件夹内。(其实不用放到一起,只是为了便于你方便找到和操作)

上传完毕之后,在jupyter执行如下命令,查看对应的存储位置,如果当前的位置和你的jupyter位置不对应,那么就在下面给你预留的代码里改一下路径:

import os# 当前工作目录
print("当前工作目录:", os.getcwd())# 改变工作目录到新的文件夹
os.chdir("/content/drive/MyDrive/Colab Notebooks")		## 这里替换成kaggle.json存储的所在目录# 现在的工作目录
print("新的工作目录:", os.getcwd())

当前工作目录: /content/drive/My Drive
新的工作目录: /content/drive/MyDrive/Colab Notebooks

确保输出结果正确即可。

2.打通Google Colab与Google Drive之间的连接(其他平台请略过这一步)

Google Drive即谷歌云盘,是谷歌生态下的公共存储空间。它本身支持多种格式文件的存储,以各种格式存储的文件,又能以不同的Google云端应用在线打开并执行操作。Colab作为.ipynb格式文件的编辑器,只要在colab中打通与Google Drive的连接,就能直接访问其中的内容。

操作很简单,只需要点击这个图标,就能够允许这个jupyter笔记本关联drive,受限于网络和网盘内的文件数量,反应时长存在差异,所以只需要参考最终图标的状态是图中这个样子,就是关联成功的状态了。

打通Google Colab与Google Drive之间的连接

然后,加载云盘存储,使用以下代码挂载Google Drive:

# 挂载Google Drive: 如果文件确实存在于Google Drive中,
# 确保正确挂载了Google Drive到Colab。使用以下代码挂载Google Drive:
from google.colab import drive
drive.mount('/content/drive')

3.获取colab对kaggle.json的访问权限

‘/content/drive/MyDrive/Colab Notebooks/kaggle.json’ 是你kaggle.json存储的位置。还记得我建议你尽可能和jupyter笔记本放在一起吗?只需要把相同的路径填入就可以。而且也不需要在执行下方的复制操作。

如果放在了其他位置也不要紧,执行以下的全部代码,会复制一份kaggle.json到你当前的工作目录里,这个工作目录是你第一步设置的位置。

# 复制文件到正确的位置: 复制 kaggle.json 文件到了
# 使用以下代码检查文件是否成功复制到了正确的位置:
import shutil
shutil.copy("/content/drive/MyDrive/Colab Notebooks/kaggle.json", "/kaggle.json")# 获取对kaggle文件的访问权限
permissions = oct(os.stat("/root/.kaggle/kaggle.json").st_mode)[-3:]print("文件权限:", permissions)

Drive already mounted at /content/drive; to attempt to forcibly remount, call drive.mount(“/content/drive”, force_remount=True).
文件权限: 600

当访问权限返回代码码值为600时,表示结果正常。已经获得了权限。

PS:如果此处报错提示路径类的错误,比如没找到.kaggle文件夹,

mkdir ~/.kaggle

新建一个就好了!
如果你是在colab里操作的,因为本身是jupyter,所以执行这些批处理命令时,要在前面加一个叹号,

!mkdir ~/.kaggle

搞定。

4.从Kaggle下载数据集到Drive内

这段代码来自于kaggle的dataset界面,我这里举个例子,如果想要获取这个数据集,那么就可以在这里点击‘copy API command’,他的内容是:

kaggle datasets download -d openfoodfacts/world-food-facts

在这里插入图片描述

随后在jupyter内执行以下代码

# 下载原始数据到本地云盘内
! kaggle datasets download -d openfoodfacts/world-food-facts  -p /content/sample_data

对参数的解释,

-d openfoodfacts/world-food-facts 表示数据集名称:world-food-facts 创建人名称:openfoodfacts
-p /content/sample_data 指定数据集文件下载到Google Drive的对应位置

5.如果下载的是压缩包格式…

import zipfile
# 切换到存储文件对应的文件夹
os.chdir("/content/sample_data")# 要解压的文件名
zip_file = "world-food-facts.zip"# 新建的文件夹名称
extract_folder = "world-food-facts"# 创建新的文件夹
os.makedirs(extract_folder, exist_ok=True)# 解压文件到新建的文件夹中
with zipfile.ZipFile(zip_file, 'r') as zip_ref:zip_ref.extractall(extract_folder)print("文件已解压到:", os.path.abspath(extract_folder))# 重新切换回工作环境内
os.chdir("/content/drive/MyDrive/Colab Notebooks")

准备完毕

ok。开始你的表演吧,接下来的操作你应该就全会了,

import pandas as pd
food = pd.read_csv('/content/sample_data/world-food-facts/en.openfoodfacts.org.products.tsv', sep='\t')

<ipython-input-40-3044500f6262>:2: DtypeWarning: Columns (0,3,5,19,20,24,25,26,27,28,36,37,38,39,48) have mixed types. Specify dtype option on import or set low_memory=False.
food = pd.read_csv(‘/content/sample_data/world-food-facts/en.openfoodfacts.org.products.tsv’, sep=‘\t’)

food.head()

在这里插入图片描述
是不是熟悉的感觉。开始操作吧!

这篇关于Google colab中如何从kaggle中接入数据?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/836348

相关文章

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入

使用Python将JSON,XML和YAML数据写入Excel文件

《使用Python将JSON,XML和YAML数据写入Excel文件》JSON、XML和YAML作为主流结构化数据格式,因其层次化表达能力和跨平台兼容性,已成为系统间数据交换的通用载体,本文将介绍如何... 目录如何使用python写入数据到Excel工作表用Python导入jsON数据到Excel工作表用

Mysql如何将数据按照年月分组的统计

《Mysql如何将数据按照年月分组的统计》:本文主要介绍Mysql如何将数据按照年月分组的统计方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录mysql将数据按照年月分组的统计要的效果方案总结Mysql将数据按照年月分组的统计要的效果方案① 使用 DA

鸿蒙中Axios数据请求的封装和配置方法

《鸿蒙中Axios数据请求的封装和配置方法》:本文主要介绍鸿蒙中Axios数据请求的封装和配置方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录1.配置权限 应用级权限和系统级权限2.配置网络请求的代码3.下载在Entry中 下载AxIOS4.封装Htt

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,