尝试以扩展 VS Code 中的代理模式!

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,它集成到 VS Code 和 VS Code Jupyter Notebooks 中。它提供了一个丰富的用户界面来查看和分析您的数据,显示有洞察力的列统计信息和可视化,并在您清理和转换数据时自动生成 Pandas 代码。

以下是从 Notebook 中打开 Data Wrangler 以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 的示例。

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

此页面的目标是帮助您快速启动和运行 Data Wrangler。

设置你的环境

  1. 如果您尚未安装 Python,请进行安装(注意: Data Wrangler 仅支持 Python 3.8 或更高版本)。
  2. 安装 Data Wrangler 扩展

当您首次启动 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,直到您明确导出更改。

从 Jupyter Notebook 启动 Data Wrangler

如果您的 Notebook 中有一个 Pandas 数据帧,在运行任何 df.head()df.tail()display(df)print(df)df 后,您现在会在单元格底部看到一个在 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

直接从文件启动 Data Wrangler

您也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,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 Notebook 以供重用。

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. 数据摘要面板显示您的整个数据集或特定列(如果选中)的详细摘要统计信息。

  2. 您可以从列的标题菜单中对该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. 快速洞察标题是您可以快速查看每列有价值信息的地方。根据列的数据类型,快速洞察会显示数据分布或数据点频率,以及缺失值和唯一值。

  5. 数据网格为您提供一个可滚动窗格,您可以在其中查看整个数据集。


编辑模式界面

切换到编辑模式会启用 Data Wrangler 中的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. 操作面板是您可以搜索 Data Wrangler 所有内置数据操作的地方。操作按类别组织。

  2. 清理步骤面板显示所有已应用操作的列表。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. 导出菜单允许您将代码导出回 Jupyter Notebook 或将数据导出到新文件。

  4. 当您选择了一个操作并正在预览其对数据的影响时,网格会覆盖一个您对数据所做更改的数据差异视图。

  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。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:替换数据集中缺失的值

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。下面的示例显示了如何使用 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. 在参数中指定您希望用什么替换缺失值。在这种情况下,我们将用列的中位数替换缺失值。
  3. 验证数据网格是否正在向您显示数据差异中的正确更改。
  4. 验证 Data Wrangler 生成的代码是否符合您的预期。
  5. 应用操作,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 当前支持的所有内置操作,请参阅以下页面。

使用 Data Wrangler