如何通过 Python SDK 向 Collection 中插入 Doc

作者：DashVector

2025-09-24
陕西
本文字数：1852 字
阅读完需：约 6 分钟

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

说明

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。
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

复制代码

使用示例

说明

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

Python

import dashvectorfrom dashvector import Docimport numpy as np
client = dashvector.Client(    api_key='YOUR_API_KEY',    endpoint='YOUR_CLUSTER_ENDPOINT')collection = client.get(name='quickstart')

复制代码

插入 Doc

Python

# 通过Doc对象insertret = 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 insertret = collection.insert(    ('2', [0.1, 0.1, 0.1, 0.1])               # (id, vector))

复制代码

插入不带有 Id 的 Doc

Python

# 插入Doc不携带idret = collection.insert(  Doc(vector=[0.1, 0.2, 0.3, 0.4]))
# 简化形式：通过Tuple insertret = collection.insert(  ([0.1, 0.1, 0.1, 0.1],))

复制代码

插入带有 Fields 的 Doc

Python

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

复制代码

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

复制代码

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()

复制代码

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}    ))

复制代码

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)

复制代码

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~

发布于: 刚刚阅读数: 2

DashVector

关注

还未添加个人签名 2024-05-14 加入

向量检索服务DashVector基于通义实验室自研的高效向量引擎Proxima内核，提供具备水平拓展能力的云原生、全托管的向量检索服务。

发布

暂无评论

创作场景

如何通过 Python SDK 向 Collection 中插入 Doc

前提条件

接口定义

使用示例

插入 Doc

插入不带有 Id 的 Doc

插入带有 Fields 的 Doc

批量插入 Doc

异步插入 Doc

插入带有 Sparse Vector 的 Doc

插入多向量的 Doc

DashVector

评论