如何通过Python SDK 向 Collection 中插入 Doc

本文介绍如何通过Python SDK向Collection中插入Doc。
说明

1. 插入Doc时若指定id已存在，已存在的Doc不会被覆盖，本次插入Doc操作无效。

2. 插入Doc时若不指定id，则在插入过程中会自动生成id，并在返回结果中携带id信息。

前提条件

• 已创建Cluster
• 已获得API-KEY
• 已安装最新版SDK

接口定义

Python

Collection.insert(
    docs: Union[Doc, List[Doc], Tuple, List[Tuple]],
    partition: Optional[str] = None,
    async_req: False
) -> DashVectorResponse

使用示例

说明

1. 需要使用您的api-key替换示例中的YOUR_API_KEY、您的Cluster Endpoint替换示例中的YOUR_CLUSTER_ENDPOINT，代码才能正常运行。

2. 本示例需要参考新建Collection-使用示例的Collection。

Python

import dashvector
from dashvector import Doc
import numpy as np

client = dashvector.Client(
    api_key='YOUR_API_KEY',
    endpoint='YOUR_CLUSTER_ENDPOINT'
)
collection = client.get(name='quickstart')

插入Doc

Python

# 通过Doc对象insert
ret = collection.insert(
    Doc(
        id='1',
        vector=[0.1, 0.2, 0.3, 0.4]
    )
)
# 判断insert是否成功
assert ret

# 简化形式：通过Tuple insert
ret = collection.insert(
    ('2', [0.1, 0.1, 0.1, 0.1])               # (id, vector)
)

插入不带有Id的Doc

Python

# 插入Doc不携带id
ret = collection.insert(
  Doc(vector=[0.1, 0.2, 0.3, 0.4])
)

# 简化形式：通过Tuple insert
ret = collection.insert(
  ([0.1, 0.1, 0.1, 0.1],)
)

插入带有Fields的Doc

Python

# insert单条数据，并设置Fields Value
ret = collection.insert(
    Doc(
        id='3',
        vector=np.random.rand(4),
        fields={
            # 设置创建Collection时预定义的Fields Value
            # name:str, weight:float, age:int, id:dashvector.long
            'name': 'zhangsan', 'weight':70.0, 'age':30, 'id':1234567890,
            # 设置Schema-Free的Field & Value
            'anykey1': 'str-value', 'anykey2': 1,
            'anykey3': True, 'anykey4': 3.1415926
        }
    )
)

# insert单条数据，并设置Fields Value
ret = collection.insert(
    ('4', np.random.rand(4), {'foo': 'bar'})  # (id, vector, fields)
)

批量插入Doc

Python

# 通过Doc对象，批量insert 10条数据
ret = collection.insert(
    [
        Doc(id=str(i+5), vector=np.random.rand(4)) for i in range(10)
    ]
)

# 简化形式：通过Tuple，批量insert 3条数据
ret = collection.insert(
    [
        ('15', [0.2,0.7,0.8,1.3], {'age': 20}),
        ('16', [0.3,0.6,0.9,1.2], {'age': 30}),
        ('17', [0.4,0.5,1.0,1.1], {'age': 40})
    ]                                         # List[(id, vector, fields)]
)

# 判断批量insert是否成功
assert ret

异步插入Doc

Python

# 异步批量insert 10条数据
ret_funture = collection.insert(
    [
        Doc(id=str(i+18), vector=np.random.rand(4), fields={'name': 'foo' + str(i)}) for i in range(10)
    ],
    async_req=True
)
# 等待并获取异步insert结果
ret = ret_funture.get()

插入带有Sparse Vector的Doc

Python

ret = collection.insert(
    Doc(
        id='28',
        vector=[0.1, 0.2, 0.3, 0.4],
        sparse_vector={1:0.4, 10000:0.6, 222222:0.8}
    )
)

插入多向量的Doc

Python

collection = client.get(name='multi_vector_demo')
docs = []
docs.append(Doc(id='1', vectors={"title": [0.3, 0.4, 0.5, 0.6], "content": [0.3, 0.4, 0.5, 0.6, 0.7, 0.8]}))
docs.append(Doc(id='2', vectors={"title": [0.3, 0.4, 0.5, 0.6]}, fields={'author':'zhangsan'}))
docs.append(Doc(id='3', vectors={"content": [0.1, 0.2, 0.3, 0.4, 0.5, 0.6]}, fields={'anykey':'anyvalue'}))
docs.append(Doc(id='4', vectors={"title": [0.3, 0.4, 0.5, 0.6], "content": [0.3, 0.4, 0.5, 0.6, 0.7, 0.8]}, sparse_vectors={"abstruct": {0: 0.1, 1: 0.32, 2: 0.482}}))
docs.append(Doc(id='5', sparse_vectors={"abstruct": {0: 0.3, 1: 0.232, 2: 0.4482, 3: 0.6672}}, fields={'author':'lisi'}))
ret = collection.insert(docs)
print(ret)

说明

多向量Collection中，稠密向量+稀疏向量字段总共不能超过4条

点击了解更多关于向量检索服务 DashVector信息，可进行免费试用~