operations Csomag

DataFrame-orientált burkoló kötegrekord-műveletekhez.

Megadja create, updateés delete fogadja el pandas.DataFrame / pandas.Series a bemeneteket, és szabványos diktálásokká alakítja őket, mielőtt a kötegbe lépne. Ez lehetővé teszi, hogy az adatelemzési hívók manuális átalakítás nélkül közvetlenül egy kötegbe táplálják a DataFrame-eket.

Elérhető ezen keresztül: batch.dataframe.

Example:

   import pandas as pd

   batch = client.batch.new()
   df = pd.DataFrame([
       {"name": "Contoso", "telephone1": "555-0100"},
       {"name": "Fabrikam", "telephone1": "555-0200"},
   ])
   batch.dataframe.create("account", df)
   result = batch.execute()

Névtér kötegműveletekhez (client.batch).

Elérhető ezen keresztül: client.batch. Szerkesztő létrehozásához BatchRequest használhatónew.

Example:

   batch = client.batch.new()
   batch.records.create("account", {"name": "Fabrikam"})
   result = batch.execute()

Lekérdezési műveletek egy BatchRequest.

Pontosan tükröz: client.query azonos metódusnevek, azonos aláírások. Minden metódus visszaad None; az eredmények a következőn keresztül BatchResultérkeznek:

Ne példányosíts közvetlenül; használja a ..a0

Műveletek rögzítése egy BatchRequest.

Tükrözések client.records: azonos metódusnevek, azonos aláírások. Minden metódus visszaadNone; az eredmények a következőn executekeresztül BatchResult érhetők el.

Ga metódusok: retrieve (egy rekord) és list (többrekordos, egyoldalas). get elavult – használja retrieve helyette.

Ne példányosíts közvetlenül; használja a ..a0

Dataverse OData-kérés $batch létrehozására és végrehajtására szolgáló Builder.

Szerezze be a (client.batch.new()) segítségével new . Adjon hozzá műveleteket recordsa , tables, queryés dataframe, opcionálisan csoport írási egy changeset, majd hívás execute.

A műveletek végrehajtása sorrendben történik a hozzáadott sorrendben. Az eredményül kapott BatchResult HTTP-kérésenként egy BatchItemResponse van elküldve (egyes műveletek több kérelemre bonthatók ki).

Example:

   batch = client.batch.new()
   batch.records.create("account", {"name": "Contoso"})
   batch.tables.get("account")
   with batch.changeset() as cs:
       ref = cs.records.create("contact", {"firstname": "Alice"})
       cs.records.update("account", account_id, {
           "primarycontactid@odata.bind": ref
       })
   result = batch.execute()

Tábla metaadat-műveletei egy BatchRequest.

Pontosan tükröz: client.tables azonos metódusnevek, azonos aláírások. Minden metódus visszaad None; az eredmények a következőn keresztül BatchResultérkeznek:

Ne példányosíts közvetlenül; használja a ..a0

Egyrekordos írási műveletek tranzakciós csoportja.

Minden művelet sikeres vagy újra együtt lesz. Használja környezetkezelőként vagy hívásként records a műveletek közvetlen hozzáadásához.

Ne példányosíts közvetlenül; használja a ..a0

Example:

   with batch.changeset() as cs:
       ref = cs.records.create("contact", {"firstname": "Alice"})
       cs.records.update("account", account_id, {
           "primarycontactid@odata.bind": ref
       })

Rekordírási műveletek egy adott fájlban ChangeSet.

Tükröz, client.records de egyrekordos űrlapokra korlátozódik (nincs tömeges létrehozás/frissítés/törlés). Csak írási műveletek engedélyezettek – a GET nem engedélyezett egy módosítási halmazon belül.

Ne példányosíts közvetlenül; használja a ..a0

A pandas DataFrame CRUD-műveletek névtere.

Elérhető ezen keresztül: client.dataframe. DataFrame-orientált burkolókat biztosít a rekordszintű CRUD-műveletek köré.

Example:

   import pandas as pd

   client = DataverseClient(base_url, credential)

   # Query records as a DataFrame
   df = client.dataframe.get("account", select=["name"], top=100)

   # Create records from a DataFrame
   new_df = pd.DataFrame([{"name": "Contoso"}, {"name": "Fabrikam"}])
   new_df["accountid"] = client.dataframe.create("account", new_df)

   # Update records
   new_df["telephone1"] = ["555-0100", "555-0200"]
   client.dataframe.update("account", new_df, id_column="accountid")

   # Delete records
   client.dataframe.delete("account", new_df["accountid"])

Fájlműveletek névtere.

Elérhető ezen keresztül: client.files. Fájlfeltöltési műveleteket biztosít a Dataverse-fájloszlopokhoz.

Example:

   client = DataverseClient(base_url, credential)

   client.files.upload(
       "account", account_id, "new_Document", "/path/to/file.pdf"
   )

Névtér lekérdezési műveletekhez.

Elérhető ezen keresztül: client.query. Lekérdezési és keresési műveleteket biztosít Dataverse-táblákon.

Example:

   from PowerPlatform.Dataverse.models.filters import col

   client = DataverseClient(base_url, credential)

   # Fluent query builder (recommended)
   for record in (client.query.builder("account")
                  .select("name", "revenue")
                  .where(col("statecode") == 0)
                  .order_by("revenue", descending=True)
                  .top(100)
                  .execute()):
       print(record["name"])

   # SQL query
   rows = client.query.sql("SELECT TOP 10 name FROM account ORDER BY name")
   for row in rows:
       print(row["name"])

Rekordszintű CRUD-műveletek névtere.

Elérhető ezen keresztül: client.records. Egyéni Dataverse-rekordok létrehozását, frissítését, törlését és lekérését biztosítja.

Example:

   client = DataverseClient(base_url, credential)

   # Create a single record
   guid = client.records.create("account", {"name": "Contoso Ltd"})

   # Get a record
   record = client.records.get("account", guid, select=["name"])

   # Update a record
   client.records.update("account", guid, {"telephone1": "555-0100"})

   # Delete a record
   client.records.delete("account", guid)

Táblaszintű metaadat-műveletek névtere.

Elérhető ezen keresztül: client.tables. Műveleteket biztosít Dataverse-táblák létrehozásához, törléséhez, vizsgálatához és listázásához, valamint oszlopok hozzáadásához és eltávolításához.

Example:

   client = DataverseClient(base_url, credential)

   # Create a table
   info = client.tables.create(
       "new_Product",
       {"new_Price": "decimal", "new_InStock": "bool"},
       solution="MySolution",
   )

   # List tables
   tables = client.tables.list()

   # Get table info
   info = client.tables.get("new_Product")

   # Add columns
   client.tables.add_columns("new_Product", {"new_Rating": "int"})

   # Remove columns
   client.tables.remove_columns("new_Product", "new_Rating")

   # Delete a table
   client.tables.delete("new_Product")