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,已集成到 VS Code 和 VS Code Jupyter Notebooks 中。它提供丰富的用户界面来查看和分析您的数据,显示富有洞察力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。
以下是一个示例,展示如何从 Notebook 中打开 Data Wrangler,使用内置操作分析和清理数据。然后将自动生成的代码导出回 Notebook。
本页旨在帮助您快速开始使用 Data Wrangler。
设置环境
- 如果您尚未安装 Python(注意:Data Wrangler 仅支持 Python 版本 3.8 或更高版本),请先安装。
- 安装 Data Wrangler 扩展
首次启动 Data Wrangler 时,它会询问您要连接哪个 Python 内核。它还会检查您的机器和环境,以确定是否已安装必需的 Python 包,例如 Pandas。
打开 Data Wrangler
无论何时,只要您在 Data Wrangler 中,您就处于一个沙盒环境中,这意味着您可以安全地探索和转换数据。原始数据集不会被修改,除非您明确导出更改。
从 Jupyter Notebook 中启动 Data Wrangler
如果您的 Notebook 中有一个 Pandas 数据帧,运行 df.head()
、df.tail()
、display(df)
、print(df)
和 df
中的任何一个命令后,单元格底部会显示一个“在 Data Wrangler 中打开 'df'”按钮(其中 df
是数据帧的变量名)。
直接从文件中启动 Data Wrangler
您也可以直接从本地文件(例如 .csv
文件)启动 Data Wrangler。为此,请在 VS Code 中打开包含您要打开的文件的文件夹。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。每种模式的详细信息将在以下后续部分中介绍。
- 查看模式:查看模式优化了界面,方便您快速查看、筛选和排序数据。此模式非常适合对数据集进行初步探索。
- 编辑模式:编辑模式优化了界面,方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,您可以将其导出回 Notebook 以便重复使用。
注意:默认情况下,Data Wrangler 以查看模式打开。您可以在“设置”编辑器 中更改此行为。
查看模式界面
-
数据摘要面板显示整体数据集或特定列(如果选中)的详细汇总统计信息。
-
您可以从列的表头菜单对列应用任何数据筛选/排序。
-
在 Data Wrangler 的查看模式或编辑模式之间切换,以访问内置数据操作。
-
快速洞察表头让您可以快速查看每列的重要信息。根据列的数据类型,快速洞察会显示数据的分布或数据点的频率,以及缺失值和唯一值。
-
数据网格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
切换到编辑模式可在 Data Wrangler 中启用附加功能和用户界面元素。在下面的屏幕截图中,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。
-
操作面板可让您搜索 Data Wrangler 的所有内置数据操作。操作按类别组织。
-
清理步骤面板显示之前已应用的所有操作列表。它使用户可以撤消特定操作或编辑最近的操作。选择一个步骤会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。
-
当您选中一个操作并预览其对数据的影响时,网格会叠加一个数据差异视图,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。未选择操作时此部分为空。您可以编辑生成的代码,数据网格会因此突出显示对数据的影响。
示例:替换数据集中的缺失值
对于给定的数据集,常见的数据清理任务之一是处理数据中的任何缺失值。下面的示例展示了如何使用 Data Wrangler 将列中的缺失值替换为该列的中位数。虽然转换是通过界面完成的,但 Data Wrangler 也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。
- 在参数中指定要替换缺失值的内容。在这种情况下,我们将用列的中位数替换缺失值。
- 验证数据网格中显示的数据差异是否显示了正确的更改。
- 验证 Data Wrangler 生成的代码是否符合您的预期。
- 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 目前支持的所有内置操作,请参阅以下页面。