operations Paquete

Contenedores orientados a dataframes para operaciones de registro por lotes.

Proporciona create, updatey delete que aceptanpandas.Series / pandas.DataFrame entradas y las convierten en dicts estándar antes de poner en cola en el lote. Esto permite a los autores de llamadas de ciencia de datos alimentar dataFrames directamente en un lote sin conversión manual.

Acceso a través de batch.dataframe.

Ejemplo:

   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()

Espacio de nombres para operaciones por lotes (client.batch).

Acceso a través de client.batch. Use new para crear un BatchRequest generador.

Ejemplo:

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

Operaciones de consulta en .BatchRequest

Refleja client.query exactamente: los mismos nombres de método, las mismas firmas. Todos los métodos devuelven None; los resultados llegan a través de BatchResult.

No cree instancias directamente; use batch.query.

Registra las operaciones en un BatchRequest.

Reflejos client.records: los mismos nombres de método, las mismas firmas. Todos los métodos devuelven None; los resultados están disponibles a través de BatchResult después executede .

Métodos de disponibilidad general: retrieve (registro único) y list (varios registros, página única). get está en desuso: use retrieve en su lugar.

No cree instancias directamente; use batch.records.

Generador para construir y ejecutar una solicitud de OData $batch de Dataverse.

Obtener a través new de (client.batch.new()). Agregue operaciones a través recordsde , tables, queryy dataframe, opcionalmente, agrupe las escrituras en y changeset, a continuación, llame a execute.

Las operaciones se ejecutan secuencialmente en el orden agregado. El resultado BatchResult contiene una BatchItemResponse por solicitud HTTP enviada (algunas operaciones se expanden a varias solicitudes).

Ejemplo:

   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()

Operaciones de metadatos de tabla en un BatchRequest.

Refleja client.tables exactamente: los mismos nombres de método, las mismas firmas. Todos los métodos devuelven None; los resultados llegan a través de BatchResult.

No cree instancias directamente; use batch.tables.

Un grupo transaccional de operaciones de escritura de registro único.

Todas las operaciones se realizan correctamente o se revierten juntas. Use como administrador de contexto o llame records a para agregar operaciones directamente.

No cree instancias directamente; use changeset.

Ejemplo:

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

Registre las operaciones de escritura disponibles dentro de .ChangeSet

Reflejos, pero restringidos a formularios client.records de registro único (sin creación o actualización o eliminación masivas). Solo se permiten operaciones de escritura: GET no se permite dentro de un conjunto de cambios.

No cree instancias directamente; use ChangeSet.records.

Espacio de nombres para las operaciones CRUD de DataFrame de Pandas.

Acceso a través de client.dataframe. Proporciona contenedores orientados a DataFrame en torno a las operaciones CRUD de nivel de registro.

Ejemplo:

   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"])

Espacio de nombres para las operaciones de archivo.

Acceso a través de client.files. Proporciona operaciones de carga de archivos para columnas de archivo de Dataverse.

Ejemplo:

   client = DataverseClient(base_url, credential)

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

Espacio de nombres para las operaciones de consulta.

Acceso a través de client.query. Proporciona operaciones de consulta y búsqueda en tablas de Dataverse.

Ejemplo:

   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"])

Espacio de nombres para las operaciones CRUD de nivel de registro.

Acceso a través de client.records. Proporciona operaciones de creación, actualización, eliminación y obtención en registros individuales de Dataverse.

Ejemplo:

   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)

Espacio de nombres para las operaciones de metadatos de nivel de tabla.

Acceso a través de client.tables. Proporciona operaciones para crear, eliminar, inspeccionar y enumerar tablas de Dataverse, así como agregar y quitar columnas.

Ejemplo:

   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")