参加你附近的 ,了解 VS Code 中的 AI 辅助开发。

VS Code 中 Data Wrangler 快速入门指南

Data Wrangler 是一个以代码为中心的数据查看和清理工具,它集成在 VS Code 和 VS Code Jupyter Notebook 中。它提供了一个丰富的用户界面来查看和分析你的数据,显示富有洞察力的列统计信息和可视化,并在你清理和转换数据时自动生成 Pandas 代码。

以下是一个从 Notebook 中打开 Data Wrangler 的示例,用于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

本页的目标是帮助你快速启动并运行 Data Wrangler。

设置你的环境

  1. 如果你还没有安装,请安装 Python注意:Data Wrangler 仅支持 Python 3.8 或更高版本)。
  2. 安装 Data Wrangler 扩展

首次启动 Data Wrangler 时,它会询问你想要连接到哪个 Python 内核。它还会检查你的机器和环境,查看是否安装了所需的 Python 包,例如 Pandas。

打开 Data Wrangler

无论何时你在 Data Wrangler 中,你都处于一个沙盒环境中,这意味着你可以安全地探索和转换数据。原始数据集不会被修改,直到你明确导出你的更改。

从 Jupyter Notebook 启动 Data Wrangler

如果你的 Notebook 中有一个 Pandas 数据框,你现在会在运行任何 df.head()df.tail()display(df)print(df)df 之后,在单元格底部看到一个在 Data Wrangler 中打开 'df' 按钮(其中 df 是你的数据框的变量名)。

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

直接从文件启动 Data Wrangler

你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 中打开包含要打开文件的任何文件夹。在文件资源管理器视图中,右键单击该文件并单击在 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下面的后续部分中解释。

  1. 查看模式:查看模式优化了界面,以便你快速查看、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,以便你对数据集应用转换、清理或修改。当你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你的 Notebook 以供重复使用。

注意:默认情况下,Data Wrangler 以查看模式打开。你可以在“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. 数据摘要面板显示了整体数据集或特定列(如果选中)的详细摘要统计信息。

  2. 你可以从列的标题菜单中对列应用任何数据筛选/排序

  3. 在 Data Wrangler 的查看编辑模式之间切换以访问内置数据操作。

  4. 快速洞察标题是你快速查看每列有价值信息的地方。根据列的数据类型,快速洞察显示数据的分布或数据点的频率,以及缺失值和不同值。

  5. 数据网格为你提供了一个可滚动窗格,你可以在其中查看整个数据集。


编辑模式界面

切换到编辑模式会启用 Data Wrangler 中的附加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。

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

  1. 操作面板是你搜索 Data Wrangler 所有内置数据操作的地方。这些操作按类别组织。

  2. 清理步骤面板显示了已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。

  3. 导出菜单允许你将代码导出回 Jupyter Notebook 或将数据导出到新文件。

  4. 当你选择了一个操作并预览其对数据的影响时,网格将覆盖一个数据差异视图,显示你对数据所做的更改。

  5. 代码预览部分显示了 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。你可以编辑生成的代码,这会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

给定一个数据集,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。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 还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. 在参数中指定你希望用什么替换缺失值。在这种情况下,我们将用该列的中位数替换缺失值。
  3. 验证数据网格显示的数据差异中的更改是否正确。
  4. 验证 Data Wrangler 生成的代码是否符合你的预期。
  5. 应用该操作,它将被添加到你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 当前支持的所有内置操作,请参阅以下页面。

使用 Data Wrangler