Sådan fremskynder du dataforberedelse med Data Wrangler i Microsoft Fabric
Data Wrangler-værktøjet er en notesbogbaseret ressource, der giver en fordybende grænseflade til udforskning af dataanalyser. Den kombinerer en gitterlignende datavisning med dynamisk oversigtsstatistik, indbyggede visualiseringer og et bibliotek med almindelige datarensningshandlinger. Du kan anvende hver handling med nogle få trin. Du kan opdatere datavisningen i realtid og generere kode i pandas eller PySpark, som du kan gemme tilbage til notesbogen som en funktion, der kan genbruges. I denne artikel fokuseres der på udforskning og transformation af pandas DataFrames. Du kan finde flere oplysninger om brug af Data Wrangler på Spark DataFrames ved at besøge denne ressource.
Forudsætninger
Få et Microsoft Fabric-abonnement. Du kan også tilmelde dig en gratis Prøveversion af Microsoft Fabric.
Brug oplevelsesskifteren i venstre side af startsiden til at skifte til Synapse Data Science-oplevelsen.
Begrænsninger
- Brugerdefinerede kodehandlinger understøttes i øjeblikket kun for pandas DataFrames.
- Visningen Data Wrangler fungerer bedst på store skærme, selvom du kan minimere eller skjule forskellige dele af grænsefladen for at imødekomme mindre skærme.
Start data-Wrangler
Du kan starte Data Wrangler direkte fra en Microsoft Fabric-notesbog for at udforske og transformere alle pandas eller Spark DataFrame. Du kan finde flere oplysninger om brug af Data Wrangler med Spark DataFrames i denne medfølgende artikel. Dette kodestykke viser, hvordan du læser eksempeldata i en pandas DataFrame:
import pandas as pd
# Read a CSV into a Pandas DataFrame
df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/titanic.csv")
display(df)
Brug rullelisteprompten Data Wrangler på båndet "Hjem" på notesbogbåndet til at gennemse de aktive DataFrames, der er tilgængelige til redigering. Vælg den, du vil åbne i Data Wrangler.
Tip
Data Wrangler kan ikke åbnes, mens notesbogkernen er optaget. En eksekveringscelle skal fuldføre udførelsen, før Data Wrangler kan starte, som vist på dette skærmbillede:
Valg af brugerdefinerede eksempler
Hvis du vil åbne et brugerdefineret eksempel på en hvilken som helst aktiv dataramme med Data Wrangler, skal du vælge "Vælg brugerdefineret eksempel" på rullelisten som vist på dette skærmbillede:
Dette starter et pop op-pop op med indstillinger til at angive størrelsen på det ønskede eksempel (antal rækker) og samplingsmetoden (første poster, sidste poster eller et tilfældigt sæt). De første 5.000 rækker i DataFrame fungerer som standardeksemplets størrelse, som vist på dette skærmbillede:
Visning af oversigtsstatistik
Når Data Wrangler indlæses, vises der en beskrivende oversigt over den valgte DataFrame i panelet "Oversigt". Denne oversigt indeholder oplysninger om DataFrame-dimensionerne, de manglende værdier og meget mere. Når du vælger en kolonne i gitteret Data Wrangler, bliver panelet "Oversigt" bedt om at opdatere og vise beskrivende statistikker om den pågældende kolonne. Hurtig indsigt om hver kolonne er også tilgængelig i overskriften.
Tip
Kolonnespecifikke statistikker og visualiseringer (både i panelet "Oversigt" og i kolonneoverskrifterne) afhænger af kolonnedatatypen. Der vises f.eks. kun et histogram i beholdere med en numerisk kolonne i kolonneoverskriften, hvis kolonnen er angivet som en numerisk type, som vist på dette skærmbillede:
Gennemsyn af handlinger til rensning af data
Du kan finde en søgbar liste over trin til datarensning i panelet "Handlinger". I panelet "Handlinger" bliver du bedt om at angive en eller flere destinationskolonner sammen med eventuelle nødvendige parametre for at fuldføre trinnet, når du vælger et trin til datarensning. Prompten om numerisk skalering af en kolonne kræver f.eks. et nyt interval af værdier, som vist på dette skærmbillede:
Tip
Du kan anvende et mindre udvalg af handlinger i menuen i hver kolonneoverskrift som vist på dette skærmbillede:
Visning og anvendelse af handlinger
Visningsgitteret Data Wrangler viser automatisk resultaterne af en valgt handling, og den tilsvarende kode vises automatisk i panelet under gitteret. Hvis du vil bekræfte den viste kode, skal du vælge "Anvend" begge sted. Hvis du vil slette den viste kode og prøve en ny handling, skal du vælge "Fjern" som vist på dette skærmbillede:
Når en handling er anvendt, opdateres data-Wrangler-visningsgitteret og oversigtsstatistikken for at afspejle resultaterne. Koden vises på den løbende liste over bekræftede handlinger, der er placeret i panelet "Rengøringstrin", som vist på dette skærmbillede:
Tip
Du kan altid fortryde det senest anvendte trin. I panelet "Rengøringstrin" vises der et papirkurvsikon, hvis du holder markøren over det senest anvendte trin, som vist på dette skærmbillede:
I denne tabel opsummeres de handlinger, som Data Wrangler understøtter i øjeblikket:
| Handling | Beskrivelse |
|---|---|
| Sortér | Sortér en kolonne i stigende eller faldende rækkefølge |
| Filter | Filtrer rækker baseret på en eller flere betingelser |
| Kode med én varm kode | Opret nye kolonner for hver entydige værdi i en eksisterende kolonne, der angiver tilstedeværelsen eller fraværet af disse værdier pr. række |
| En varm kode med afgrænser | Opdel og en varm kode for kategoriske data ved hjælp af en afgrænser |
| Skift kolonnetype | Skift datatypen for en kolonne |
| Slip kolonne | Slet en eller flere kolonner |
| Vælg kolonne | Vælg en eller flere kolonner, der skal bevares, og slet resten |
| Omdøb kolonne | Omdøb en kolonne |
| Slip manglende værdier | Fjern rækker med manglende værdier |
| Slip dublerede rækker | Slip alle rækker, der har dublerede værdier i en eller flere kolonner |
| Udfyld manglende værdier | Erstat celler med manglende værdier med en ny værdi |
| Søg og erstat | Erstat celler med et nøjagtigt matchende mønster |
| Gruppér efter kolonne og aggregering | Gruppér efter kolonneværdier, og aggreger resultater |
| Blanktegn i stribe | Fjern mellemrum fra starten og slutningen af teksten |
| Opdel tekst | Opdel en kolonne i flere kolonner baseret på en brugerdefineret afgrænser |
| Konvertér tekst til små bogstaver | Konvertér tekst til små bogstaver |
| Konvertér tekst til store bogstaver | Konvertér tekst til STORE BOGSTAVER |
| Skaler min./maks. værdier | Skaler en numerisk kolonne mellem en minimum- og maksimumværdi |
| Hurtigudfyld | Opret automatisk en ny kolonne baseret på eksempler, der er afledt af en eksisterende kolonne |
Rediger din skærm
Du kan når som helst tilpasse grænsefladen med fanen "Visninger" på værktøjslinjen over visningsgitteret Data Wrangler. Dette kan skjule eller vise forskellige ruder baseret på dine indstillinger og skærmstørrelse, som vist på dette skærmbillede:
Gemmer og eksporterer kode
Værktøjslinjen over visningsgitteret Data Wrangler indeholder indstillinger til at gemme den genererede kode. Du kan kopiere koden til Udklipsholder eller eksportere den til notesbogen som en funktion. Eksport af koden lukker Data Wrangler og føjer den nye funktion til en kodecelle i notesbogen. Du kan også downloade den rensede DataFrame som en csv-fil.
Tip
Data Wrangler genererer kode, der kun anvendes, når du kører den nye celle manuelt, og den overskriver ikke den oprindelige DataFrame, som vist på dette skærmbillede:
Du kan derefter køre den eksporterede kode som vist på dette skærmbillede:
Relateret indhold
- Hvis du vil afprøve Data Wrangler på Spark DataFrames, skal du gå til denne medfølgende artikel
- Hvis du vil have en live-demonstration af Data Wrangler i Fabric, kan du se denne video fra vores venner på Guy in a Cube
- Hvis du vil afprøve Data Wrangler i Visual Studio Code, skal du gå til Data Wrangler i VS Code
- Gik vi glip af en funktion, du har brug for? Lad os høre din mening! Foreslå det på Fabric Ideas-forummet