Esecuzione della trasformazione e provenienza
Corso Python scientifico in GX-TXT · Modulo 7 · Lezione 40
Dopo aver preparato un piano, possiamo eseguire la trasformazione e verificare il Dataset ottenuto. In questa lezione proiettiamo due variabili della serie sintetica e confrontiamo i valori pubblicati con quelli della sorgente.
Obiettivi
- Eseguire una trasformazione dichiarata in un manifest.
- Leggere sorgente e destinazione tramite gli ID canonici.
- Confrontare i valori numerici e consultare la provenienza.
- Capire perché una richiesta non è ancora il risultato.
Prima di partire
La sorgente è corso_python_serie_sintetica; l’output
dell’esempio è corso_python_proiezione. La trasformazione è
create-only: se l’ID di output esiste già, scegli un
nuovo ID libero nel manifest e nella variabile uscita, poi
salva lo script prima di eseguirlo. Non sovrascrivere un risultato
esistente senza una scelta esplicita.
Nella Sessione corso_python, importa trasformazione.py, salvalo e
avvialo da Run → Open Script Runner → Run Job.
L’esempio usa quattro righe sintetiche.

import numpy as np
from gxtxt import gxtxt_api_call, gxtxt_api_require
for api in ("DATASET_TRANSFORM_API_v1@1", "CANONICAL_DATASET_API_v2@2"):
gxtxt_api_require(api)
trasformazioni = "DATASET_TRANSFORM_API_v1"
dati = "CANONICAL_DATASET_API_v2"
sorgente = "corso_python_serie_sintetica"
uscita = "corso_python_proiezione"
manifest = {"api_version": 1, "operation": "project_variables",
"sources": [{"dataset_id": sorgente, "variable_ids": ["tempo", "segnale"]}],
"output": {"dataset_id": uscita, "contract": "auto", "storage": "auto"},
"options": {}, "schema_policy": {}, "metadata_policy": "inherit_single_source"}
risultato = gxtxt_api_call(trasformazioni, "execute", [manifest])
origine = gxtxt_api_call(dati, "read_range", [sorgente, ["tempo", "segnale"], 0, 4])
proiezione = gxtxt_api_call(dati, "read_range", [uscita, ["tempo", "segnale"], 0, 4])
for variabile in ("tempo", "segnale"):
a = np.asarray(origine[variabile]["values"]).reshape(-1)
b = np.asarray(proiezione[variabile]["values"]).reshape(-1)
print(variabile, "coincide:", np.allclose(a, b), "valori:", b)
provenienza = gxtxt_api_call(trasformazioni, "provenance", [uscita])
print("Dataset creato:", risultato["dataset_id"], "righe:", risultato["row_count"])
print("Provenienza disponibile:", bool(provenienza))
print("Provenienza:", provenienza)
execute crea il Dataset richiesto attraverso il gestore
pubblico. read_range rilegge le variabili della sorgente e
dell’output; np.allclose confronta i valori con una
tolleranza. Qui la proiezione non cambia né converte i valori, quindi ci
aspettiamo che coincidano. Per dati reali, il confronto va scelto in
base all’operazione e alle unità.

L’esecuzione mostrata riporta True per entrambe le
variabili e quattro righe pubblicate. provenance
restituisce il record della trasformazione, che comprende il manifest e
le informazioni effettive, tra cui l’operazione e l’identità della
sorgente. Leggere il record aiuta a capire come si è arrivati
all’output; non sostituisce il controllo dei valori né la valutazione
scientifica.
Richiesta e risultato
Il manifest esprime ciò che chiediamo; la risposta di esecuzione identifica ciò che è stato creato. Conservare entrambi, insieme agli ID e al contesto, rende più semplice ripercorrere l’analisi. I controlli intermedi consentono di rilevare differenze prima di usare il risultato in un grafico o in un calcolo successivo.
Esercizio
- Quante righe ha la proiezione eseguita nell’esempio?
- La proiezione aggiunge campioni interpolati?
- Che cosa devi fare prima di ripetere lo script se l’ID di destinazione è già presente?
Soluzione ragionata
- Quattro.
- No: seleziona le variabili richieste senza interpolazione.
- Scegli un ID di output libero e usa lo stesso ID sia nel manifest sia nelle successive letture.
Nella prossima lezione osserveremo avanzamento e gestione dei Job.