尝试在 VS Code 中使用

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。

a gif of opening Data Wrangler from a notebook, looking through the data, switching from Viewing to Editing mode, applying data transformations, and exporting the generated Python code back into the notebook

本页旨在帮助您快速开始使用 Data Wrangler。

设置环境

  1. 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。
  2. 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)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)。

a screenshot showing the entry point into Data Wrangler from a notebook

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”。

a screenshot showing the entry point into Data Wrangler from a file

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。

  1. 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。
  2. 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

a screenshot showing the different components in the UI for Data Wrangler in Viewing mode

  1. 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。

  2. 您可以从列的表头菜单对列应用任何数据筛选/排序

  3. 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。

  4. 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。

  5. 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。

a screenshot showing the different components in the UI for Data Wrangler in Editing mode

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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。

an example of using Data Wrangler to replace missing values in your dataset

  1. 操作面板中,搜索填充缺失值操作。
  2. 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。
  3. 验证数据网格中显示的数据差异是否显示了正确的更改。
  4. 验证 Data Wrangler 生成的代码是否符合您的预期。
  5. 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。

使用 Data Wrangler