mindspore.dataset.Schema
=========================

.. py:class:: mindspore.dataset.Schema(schema_file=None)

    代表一个解析和存储数据列属性的类。

    **参数：**

    - **schema_file** (str): schema文件的路径（默认值为None）。

    **返回：**

    schema对象，关于数据集的行列配置的策略信息。

    **异常：**

    **RuntimeError**： 模式文件加载失败。

    **样例：**

    >>> from mindspore import dtype as mstype
    >>>
    >>> # 创建模式；指定列名、mindspore.dtype和列shape。
    >>> schema = ds.Schema()
    >>> schema.add_column(name='col1', de_type=mstype.int64, shape=[2])
    
    .. py:method::add_column(name, de_type, shape=None)

        向schema中添加新列。

        **参数：**

        - **name** (str): 列的新名称。
        - **de_type** (str): 列的数据类型。
        - **shape** (list[int], optional): 列shape（默认值为None，[-1]表示rank 1的未知shape）。

        **异常：**

        **ValueError：** 列类型未知。
        
    .. py:method::from_json(json_obj)

        从JSON对象获取schema文件。

        **参数：**

        - **json_obj** (dictionary): 解析的JSON对象。

        **异常：**

        - **RuntimeError：** 对象中存在未知的项。
        - **RuntimeError：** 对象中缺少数据集类型。
        - **RuntimeError：** 对象中缺少列。
        
    .. py:method::parse_columns(columns)

        解析传入的数据列的属性并将其添加到自身的schema中。

        **参数：**

        - **columns** (Union[dict, list[dict], tuple[dict]]): 数据集属性信息，从schema文件解码。

            - **list**[dict]：'name'和'type'必须为key值，'shape'可选。
            - **dict**：columns.keys()作为名称，columns.values()是dict，其中包含'type'，'shape'可选。

        **异常：**

        - **RuntimeError:** 解析列失败。
        - **RuntimeError:** 列name字段缺失。
        - **RuntimeError:** 列type字段缺失。

        **样例：**

        >>> schema = Schema()
        >>> columns1 = [{'name': 'image', 'type': 'int8', 'shape': [3, 3]},
        >>>             {'name': 'label', 'type': 'int8', 'shape': [1]}]
        >>> schema.parse_columns(columns1)
        >>> columns2 = {'image': {'shape': [3, 3], 'type': 'int8'}, 'label': {'shape': [1], 'type': 'int8'}}
        >>> schema.parse_columns(columns2)
        

    .. py:method::to_json()

        获取schema的JSON字符串。

        **返回：**

        str，模式的JSON字符串。