操作

操作对象

class graphscope.framework.operation.Operation(session_id, op_type, inputs=None, output_types=None, config=None, large_attr=None, query_args=None)

表示一个对张量执行计算的dag操作。

例如 g2 = g1.add_vertices("path") 会创建一个类型为"ADD_LABELS"的Operation，该操作以g1的操作作为输入，并生成包含此操作作为输出的图dag节点g2。

在会话中启动DAG后，可以通过:code`op.eval()`或将其传递给session.run来执行Operation。

Operation.__init__(session_id, op_type[, ...])	创建一个graphscope.framework.operation.Operation。
Operation.as_op_def()
Operation.key	每个op_def_pb2.OpDef的唯一键
Operation.signature	其父级签名的签名及其自身参数。
Operation.eval([leaf])	通过 sess.run 进行评估。
Operation.evaluated

内置操作

create_app(app_assets)	用于创建带有配置的CREATE_APP操作的封装器。
bind_app(graph, app_assets)	用于创建带有配置的BIND_APP操作的封装器。
run_app(app, *args, **kwargs)	在图上运行绑定应用。
create_graph(session_id, graph_type[, inputs])	创建一个CREATE_GRAPH操作，将该操作添加到默认DAG中。
create_loader(vertex_or_edge_label_list)	创建一个加载器操作。:param vertex_or_edge_label_list: 列表，包含 (graphscope.framework.graph_utils.VertexLabel) 或 (graphscope.framework.graph_utils.EdgeLabel)。
add_labels_to_graph(graph, loader_op)	向现有图添加新标签。
dynamic_to_arrow(graph)	创建一个操作将nx.Graph对象转换为Graph。
arrow_to_dynamic(graph)	将Graph对象转换为nx.Graph。
modify_edges(graph, modify_type, edges[, ...])	为nx图创建修改边的操作。
modify_vertices(graph, modify_type, vertices)	为nx图创建修改顶点操作。
report_graph(graph, report_type[, node, ...])	为nx图创建报告操作。
project_arrow_property_graph(graph, ...)
project_to_simple(graph, v_prop, e_prop)	将项目属性图投影为简单图。
copy_graph(graph[, copy_type])	为nx图创建复制操作。
to_directed(graph)	创建to_directed操作图。
to_undirected(graph)	为图创建to_undirected操作。
create_graph_view(graph, view_type)	创建nx图的视图。:param graph: 一个nx图。:type graph: nx.Graph :param view_type: 'reversed': 获取图的逆向视图。'directed': 获取图的有向视图 'undirected': 获取图的无向视图 :type view_type: str.
clear_graph(graph)	为nx图创建清晰的图操作。
clear_edges(graph)	为nx图创建清晰的边操作。
create_subgraph(graph[, nodes, edges])	为nx图创建子图操作。
create_unload_op(session_id, op_type, inputs)	基于操作类型和操作创建卸载Operation的实用方法。
unload_app(app)	卸载已加载的应用程序。
unload_graph(graph)	卸载一个图。
unload_context(context)
context_to_numpy(context[, selector, ...])	将结果作为numpy ndarray返回。
context_to_dataframe(context[, selector, ...])	将结果检索为pandas DataFrame。
to_vineyard_tensor(context[, selector, ...])	将结果作为vineyard张量返回。
to_vineyard_dataframe(context[, selector, ...])	将结果检索为vineyard数据框。
to_data_sink(result, fd[, storage_options, ...])	通过vineyard中的驱动程序将结果转储到fd。
output(context, fd, selector, vertex_range)	将结果输出到fd，这将被已注册的vineyard C++适配器处理。
get_context_data(results, node)
add_column(graph, results, selector)	向graph添加一列，生成一个新图。
graph_to_numpy(graph[, selector, vertex_range])	将图的原始数据检索为numpy ndarray。
graph_to_dataframe(graph[, selector, ...])	将图的原始数据检索为pandas DataFrame。
gremlin_to_subgraph(interactive_query, ...)	从gremlin输出创建子图。