VS Code 中 Data Wrangler 快速入门指南
Data Wrangler 是一款以代码为中心的数据查看和清理工具，集成到 VS Code 和 VS Code Jupyter Notebooks 中。它提供丰富的用户界面来查看和分析数据，显示有见地的列统计信息和可视化效果，并在您清理和转换数据时自动生成 Pandas 代码。
以下示例演示了如何从 notebook 打开 Data Wrangler，以使用内置操作分析和清理数据。然后，自动生成的代码将导出回 notebook。
本页面的目标是帮助您快速开始使用 Data Wrangler。
设置您的环境
- 如果您尚未安装 Python（注意：Data Wrangler 仅支持 Python 3.8 或更高版本）。
- 安装 Data Wrangler 扩展
首次启动 Data Wrangler 时，它会询问您要连接到哪个 Python 内核。它还会检查您的机器和环境，以查看是否安装了所需的 Python 包，例如 Pandas。
打开 Data Wrangler
无论何时您在 Data Wrangler 中，您都处于沙盒环境，这意味着您可以安全地探索和转换数据。在您显式导出更改之前，原始数据集不会被修改。
从 Jupyter Notebook 启动 Data Wrangler
如果您在 notebook 中有一个 Pandas 数据帧，您现在会在运行 df.head()、df.tail()、display(df)、print(df) 和 df 中的任何一个之后，在单元格底部看到一个在 Data Wrangler 中打开 'df' 按钮（其中 df 是您的数据帧的变量名）。
直接从文件启动 Data Wrangler
您还可以直接从本地文件（例如 .csv）启动 Data Wrangler。为此，请在 VS Code 中打开包含您要打开的文件的任何文件夹。在文件资源管理器视图中，右键单击该文件，然后单击在 Data Wrangler 中打开。
UI 导览
Data Wrangler 在处理数据时有两种模式。以下各节详细解释了每种模式的详细信息。
- 查看模式：查看模式优化了界面，以便您快速查看、筛选和排序数据。此模式非常适合对数据集进行初始探索。
- 编辑模式：编辑模式优化了界面，以便您对数据集应用转换、清理或修改。当您在界面中应用这些转换时，Data Wrangler 会自动生成相关的 Pandas 代码，并且可以将其导出回您的 notebook 以供重用。
注意：默认情况下，Data Wrangler 在查看模式下打开。您可以在设置编辑器中更改此行为 。
查看模式界面
-
数据摘要面板显示您的整体数据集或特定列（如果已选择）的详细摘要统计信息。
-
您可以从列的标题菜单中对列应用任何数据筛选器/排序。
-
在 Data Wrangler 的查看或编辑模式之间切换以访问内置的数据操作。
-
快速洞察标头是您可以快速查看有关每列的有价值信息的地方。根据列的数据类型，快速洞察显示数据分布或数据点频率，以及缺失值和不同值。
-
数据网格为您提供一个可滚动的窗格，您可以在其中查看整个数据集。
编辑模式界面
切换到编辑模式会在 Data Wrangler 中启用其他功能和用户界面元素。在以下屏幕截图中，我们使用 Data Wrangler 将最后一列中的缺失值替换为该列的中位数。
-
操作面板是您可以搜索 Data Wrangler 所有内置数据操作的地方。这些操作按类别组织。
-
清理步骤面板显示先前应用的所有操作的列表。它使用户能够撤消特定操作或编辑最近的操作。选择一个步骤将突出显示数据网格中的更改，并显示与该操作关联的生成代码。
-
导出菜单允许您将代码导出回 Jupyter Notebook 或将数据导出到新文件。
-
当您选择了一个操作并预览其对数据的影响时，网格会覆盖一个数据差异视图，显示您对数据所做的更改。
-
代码预览部分显示 Data Wrangler 在选择操作时生成的 Python 和 Pandas 代码。当未选择任何操作时，它将保持为空。您可以编辑生成的代码，这将导致数据网格突出显示对数据的影响。
示例：替换数据集中的缺失值
给定数据集，常见的数据清理任务之一是处理数据中存在的任何缺失值。以下示例显示了如何使用 Data Wrangler 将列中的缺失值替换为该列的中值。当通过界面完成转换时，Data Wrangler 还会自动生成替换缺失值所需的 Python 和 Pandas 代码。
- 在操作面板中，搜索填充缺失值操作。
- 在参数中指定您希望用什么替换缺失值。在本例中，我们将使用该列的中值替换缺失值。
- 验证数据网格是否在数据差异中显示了正确的更改。
- 验证 Data Wrangler 生成的代码是否是您想要的。
- 应用该操作，它将被添加到您的清理步骤历史记录中。
后续步骤
本页面介绍了如何快速开始使用 Data Wrangler。有关 Data Wrangler 的完整文档和教程，包括 Data Wrangler 当前支持的所有内置操作，请参阅以下页面。