Ako čítať a zapisovať údaje s pandas v službe Microsoft Fabric

Poznámkové bloky služby Microsoft Fabric podporujú bezproblémovú interakciu s údajmi Lakehouse pomocou knižnice Pandas, najobľúbenejšej knižnice jazyka Python na skúmanie a spracovanie údajov. V notebooku môžete rýchlo čítať údaje z ich zdrojov Lakehouse v rôznych formátoch súborov a zapisovať do ich zdrojov. Táto príručka obsahuje ukážky kódu, ktoré vám pomôžu začať pracovať vo vlastnom notebooku.

Požiadavky

• Získajte predplatné na Microsoft Fabric. Alebo si zaregistrujte bezplatnú skúšobnú verziu služby Microsoft Fabric.

• Prihláste sa do služby Microsoft Fabric.

• Pomocou prepínača skúseností v ľavej dolnej časti domovskej stránky sa prepnete na službu Fabric.

  

Načítanie údajov služby Lakehouse do poznámkového bloku

Po pripojení notebooku služby Lakehouse k notebooku služby Microsoft Fabric môžete preskúmať uložené údaje bez toho, aby ste zo stránky odišli, a pomocou niekoľkých krokov si ich môžete prečítať do poznámkového bloku. Výber ľubovoľného súboru Lakehouse zobrazí možnosti na načítanie údajov do údajového rámca Spark alebo Pandas. Môžete tiež skopírovať úplnú cestu k súboru ABFS alebo priateľskú relatívnu cestu.

Výberom niektorej z výziev Načítať údaje sa vygeneruje bunka kódu, ktorá tento súbor načíta do prvku DataFrame v poznámkovom bloku.

Konverzia údajového rámca služby Spark na údajový rámec Pandas

Na odkaz ukazuje tento príkaz, ako skonvertovať údajový rámec Spark na údajový rámec Pandas:

# Replace "spark_df" with the name of your own Spark DataFrame
pandas_df = spark_df.toPandas() 

Čítanie a písanie rôznych formátov súborov

Tieto vzorky kódu popisujú operácie pandas na čítanie a písanie rôznych formátov súborov.

Načítanie údajov zo súboru CSV

import pandas as pd

# Read a CSV file from your Lakehouse into a Pandas DataFrame
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df = pd.read_csv("/LAKEHOUSE_PATH/Files/FILENAME.csv")
display(df)

Zápis údajov ako súboru CSV

import pandas as pd 

# Write a Pandas DataFrame into a CSV file in your Lakehouse
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df.to_csv("/LAKEHOUSE_PATH/Files/FILENAME.csv") 

Čítanie údajov zo súboru Vo formáte Parquet

import pandas as pd 
 
# Read a Parquet file from your Lakehouse into a Pandas DataFrame
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df = pd.read_parquet("/LAKEHOUSE_PATH/Files/FILENAME.parquet") 
display(df)

Zápis údajov ako súboru Vo formáte Parquet

import pandas as pd 
 
# Write a Pandas DataFrame into a Parquet file in your Lakehouse
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df.to_parquet("/LAKEHOUSE_PATH/Files/FILENAME.parquet") 

Čítať údaje z excelového súboru

import pandas as pd 
 
# Read an Excel file from your Lakehouse into a Pandas DataFrame
# Replace LAKEHOUSE_PATH and FILENAME with your own values. Also need to add correct filepath after Files/ if file is placed in different folders
# if using default lakehouse that attached to the notebook use the code to replace below: df = pandas.read_excel("/lakehouse/default/Files/FILENAME.xlsx") 
df = pandas.read_excel("/LAKEHOUSE_PATH/Files/FILENAME.xlsx") 
display(df) 

Zápis údajov ako excelového súboru

import pandas as pd 

# Write a Pandas DataFrame into an Excel file in your Lakehouse
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df.to_excel("/LAKEHOUSE_PATH/Files/FILENAME.xlsx") 

Čítanie údajov zo súboru JSON

import pandas as pd 
 
# Read a JSON file from your Lakehouse into a Pandas DataFrame
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df = pandas.read_json("/LAKEHOUSE_PATH/Files/FILENAME.json") 
display(df) 

Zápis údajov ako súboru JSON

import pandas as pd 
 
# Write a Pandas DataFrame into a JSON file in your Lakehouse
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df.to_json("/LAKEHOUSE_PATH/Files/FILENAME.json") 

Súvisiaci obsah

• Použitie funkcie Data Wrangler na vyčistenie a prípravu údajov
• Spustenie trénovacích modelov strojového učenia