如何在Azure机器学习中按特定子属性筛选PipelineRun

因为azureml.parameters存储的是字符串格式的Python字典，没法直接用一级属性的筛选方式，得先把字符串解析成字典再判断。具体操作步骤和代码如下：

• 先获取目标Experiment下所有的PipelineRun实例
• 遍历每个运行实例，提取azureml.parameters对应的字符串
• 用安全的方式把字符串解析为Python字典
• 检查字典中是否存在子键c且值等于def，符合条件的就保留

示例代码：

import ast

# 获取当前Experiment下所有PipelineRun
all_pipeline_runs = experiment.get_runs(type="azureml.PipelineRun")

# 初始化列表存储符合条件的运行
target_runs = []

for run in all_pipeline_runs:
    # 从运行属性中取出parameters的字符串
    params_str = run.properties.get("azureml.parameters", "{}")
    try:
        # 把字符串解析为字典（用ast.literal_eval比eval更安全）
        params_dict = ast.literal_eval(params_str)
        # 判断子键c的值是否为'def'
        if params_dict.get("c") == "def":
            target_runs.append(run)
    except (SyntaxError, ValueError):
        # 跳过那些parameters格式错误的运行
        continue

# target_runs就是你要找的符合条件的PipelineRun实例

注意点：

• 用ast.literal_eval解析字符串字典，避免eval带来的安全风险
• 增加异常处理，防止部分运行的parameters格式不规范导致程序中断
• experiment.get_runs()返回的是迭代器，直接循环即可，不需要提前转成列表（如果需要反复遍历可以转成list）

内容的提问来源于stack exchange，提问作者BeGreen