operations Pakiet

Otoki zorientowane na ramki danych na potrzeby operacji rekordów wsadowych.

Udostępnia createelement , updatei , który delete akceptuje pandas.DataFrame / pandas.Series dane wejściowe i konwertuje je na standardowe dykty przed kolejkowaniem w partii. Dzięki temu osoby wywołujące dane są przekazywane bezpośrednio do partii bez ręcznej konwersji.

Dostęp jest uzyskiwany za pośrednictwem 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()

Przestrzeń nazw dla operacji wsadowych (client.batch).

Dostęp jest uzyskiwany za pośrednictwem client.batch. Użyj new polecenia , aby utworzyć konstruktora BatchRequest .

Example:

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

Operacje zapytań na obiekcie BatchRequest.

Dublowania client.query dokładnie: te same nazwy metod, te same podpisy. Wszystkie metody zwracają None; wyniki docierają za pośrednictwem metody BatchResult.

Nie twórz wystąpień bezpośrednio; użyj polecenia batch.query.

Rejestrowanie operacji na obiekcie BatchRequest.

Dublowania client.records: te same nazwy metod, te same podpisy. Wszystkie metody zwracają None; wyniki są dostępne za pośrednictwem BatchResult polecenia po execute.

Metody ga: retrieve (pojedynczy rekord) i list (wiele rekordów, pojedyncza strona). get jest przestarzały — zamiast tego użyj polecenia retrieve .

Nie twórz wystąpień bezpośrednio; użyj polecenia batch.records.

Konstruktor do konstruowania i wykonywania żądania dataverse OData $batch .

Uzyskaj za pośrednictwem new (client.batch.new()). Dodaj operacje za pomocą recordspoleceń , , querytablesi dataframe, opcjonalnie grupuj zapisy do elementu , a następnie wywołaj metodę changesetexecute.

Operacje są wykonywane sekwencyjnie w kolejności dodanej. BatchResult Wynikowy zawiera jeden BatchItemResponse na żądanie HTTP wysłane (niektóre operacje rozszerzają się na wiele żądań).

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()

Operacje metadanych tabeli na obiekcie BatchRequest.

Dublowania client.tables dokładnie: te same nazwy metod, te same podpisy. Wszystkie metody zwracają None; wyniki docierają za pośrednictwem metody BatchResult.

Nie twórz wystąpień bezpośrednio; użyj polecenia batch.tables.

Transakcyjna grupa operacji zapisu z jednym rekordem.

Wszystkie operacje kończą się powodzeniem lub są przywracane razem. Użyj jako menedżera kontekstu lub wywołania records , aby dodać operacje bezpośrednio.

Nie twórz wystąpień bezpośrednio; użyj polecenia changeset.

Example:

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

Rejestruj operacje zapisu dostępne wewnątrz elementu ChangeSet.

Dublowania, ale ograniczone do formularzy client.records z pojedynczym rekordem (nie można tworzyć/aktualizować/usuwać zbiorczo). Dozwolone są tylko operacje zapisu — funkcja GET nie jest dozwolona wewnątrz zestawu zmian.

Nie twórz wystąpień bezpośrednio; użyj polecenia ChangeSet.records.

Przestrzeń nazw dla operacji CRUD ramki danych pandas.

Dostęp jest uzyskiwany za pośrednictwem client.dataframe. Udostępnia otoki zorientowane na ramki danych wokół operacji CRUD na poziomie rekordu.

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"])

Przestrzeń nazw dla operacji na plikach.

Dostęp jest uzyskiwany za pośrednictwem client.files. Udostępnia operacje przekazywania plików dla kolumn plików Dataverse.

Example:

   client = DataverseClient(base_url, credential)

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

Przestrzeń nazw dla operacji zapytań.

Dostęp jest uzyskiwany za pośrednictwem client.query. Udostępnia operacje zapytań i wyszukiwania względem tabel usługi Dataverse.

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"])

Przestrzeń nazw dla operacji CRUD na poziomie rekordu.

Dostęp jest uzyskiwany za pośrednictwem client.records. Zapewnia operacje tworzenia, aktualizowania, usuwania i pobierania poszczególnych rekordów usługi Dataverse.

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)

Przestrzeń nazw dla operacji metadanych na poziomie tabeli.

Dostęp jest uzyskiwany za pośrednictwem client.tables. Udostępnia operacje tworzenia, usuwania, inspekcji i wyświetlania listy tabel usługi Dataverse, a także dodawania i usuwania kolumn.

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")