Compartir a través de


Cómo acelerar la preparación de datos con Data Wrangler en Microsoft Fabric

La herramienta Data Wrangler es un recurso basado en cuadernos que proporciona una interfaz inmersiva para realizar análisis exploratorios de datos. Combina una presentación de datos similar a una cuadrícula con estadísticas de resumen dinámico, visualizaciones integradas y una biblioteca de operaciones comunes de limpieza de datos. Puede aplicar cada operación con unos pocos pasos. Puede actualizar los datos que se muestran en tiempo real y generar código en Pandas o PySpark que puede guardar de nuevo en el cuaderno como una función reutilizable. Este artículo se centra en la exploración y transformación de DataFrames de Pandas. Para obtener más información sobre el uso de Data Wrangler en DataFrames de Spark, visite este recurso.

Requisitos previos

Limitaciones

  • Actualmente, las operaciones de código personalizado solo se admiten para DataFrames de Pandas.
  • La pantalla de Data Wrangler funciona mejor en monitores grandes, aunque se pueden minimizar u ocultar diferentes partes de la interfaz para acomodar pantallas más pequeñas.

Inicio de Data Wrangler

Puede iniciar Data Wrangler directamente desde un cuaderno de Microsoft Fabric para explorar y transformar cualquier DataFrame de Pandas o Spark. Para obtener más información sobre el uso de Data Wrangler con DataFrames de Spark, visite este artículo complementario. Este fragmento de código muestra cómo leer datos de ejemplo en un DataFrame de Pandas:

import pandas as pd

# Read a CSV into a Pandas DataFrame
df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/titanic.csv")
display(df)

En la pestaña "Inicio" de la cinta de cuadernos, use el símbolo del menú desplegable de Data Wrangler para examinar los DataFrames activos disponibles para su edición. Seleccione el que desea abrir en Data Wrangler.

Sugerencia

El Wrangler de datos no se puede abrir mientras el kernel del cuaderno está ocupado. Una celda en ejecución debe finalizar su ejecución antes de que se pueda iniciar Data Wrangler, tal y como se muestra en esta captura de pantalla:

Captura de pantalla de un cuaderno Fabric con el menú desplegable de Data Wrangler.

Elección de ejemplos personalizados

Para abrir un ejemplo personalizado de cualquier DataFrame activo, seleccione "Elegir ejemplo personalizado" en la lista desplegable, como se muestra en esta captura de pantalla:

Captura de pantalla que muestra el símbolo del menú desplegable Data Wrangler con la opción de ejemplo personalizada que se describe.

Esto inicia un elemento emergente con opciones para especificar el tamaño del ejemplo deseado (número de filas) y el método de muestreo (primeros registros, últimos registros o un conjunto aleatorio). Las primeras 5000 filas del DataFrame sirven como tamaño de ejemplo predeterminado, como se muestra en esta captura de pantalla:

Captura de pantalla que muestra el mensaje de ejemplo personalizado de Wrangler de datos.

Visualización de estadísticas de resumen

Cuando se carga Data Wrangler, muestra una descripción general descriptiva del DataFrame elegido en el panel "Resumen". Esta información general incluye información sobre las dimensiones del DataFrame, los valores que faltan y mucho más. Al seleccionar cualquier columna de la cuadrícula Wrangler de datos, se solicita al panel "Resumen" que actualice y muestre estadísticas descriptivas sobre esa columna específica. También hay información rápida sobre cada columna disponible en su encabezado.

Sugerencia

Las estadísticas y los objetos visuales específicos de columna (tanto en el panel "Resumen" como en los encabezados de columna) dependen del tipo de datos de columna. Por ejemplo, un histograma binned de una columna numérica aparece en el encabezado de columna solo si la columna se convierte como un tipo numérico, como se muestra en esta captura de pantalla:

Captura de pantalla que muestra la cuadrícula de visualización de Data Wrangler y el panel Resumen.

Exploración de operaciones de limpieza de datos

Puede encontrar una lista de pasos de limpieza de datos en el panel "Operaciones". En el panel "Operaciones", al seleccionar un paso de limpieza de datos se le pide que proporcione una columna o columnas de destino, junto con los parámetros necesarios para completar el paso. Por ejemplo, la solicitud para escalar una columna numéricamente requiere un nuevo intervalo de valores, como se muestra en esta captura de pantalla:

Captura de pantalla del panel de operaciones de Data Wrangler.

Sugerencia

Puede aplicar una selección más pequeña de operaciones en el menú de cada encabezado de columna, como se muestra en esta captura de pantalla:

Captura de pantalla que muestra una operación Data Wrangler que se puede aplicar desde el menú del encabezado de columna.

Vista previa y aplicación de operaciones

La cuadrícula de visualización de Data Wrangler previsualiza automáticamente los resultados de una operación seleccionada, y el código correspondiente aparece automáticamente en el panel debajo de la cuadrícula. Para confirmar el código previsualizado, seleccione "Aplicar" en cualquiera de los dos lugares. Para eliminar el código en versión preliminar e intentar una nueva operación, seleccione "Descartar" como se muestra en esta captura de pantalla:

Captura de pantalla que muestra una operación de Data Wrangler en curso.

Una vez aplicada una operación, la cuadrícula de visualización de Data Wrangler y las estadísticas de resumen se actualizan para reflejar los resultados. El código aparece en la lista en ejecución de operaciones confirmadas, que se encuentra en el panel "Pasos de limpieza", como se muestra en esta captura de pantalla:

Captura de pantalla que muestra una operación de Data Wrangler aplicada.

Sugerencia

Siempre puede deshacer el paso aplicado más recientemente. En el panel "Pasos de limpieza", aparecerá un icono de papelera si mantiene el cursor sobre ese paso aplicado más recientemente, como se muestra en esta captura de pantalla:

Captura de pantalla de una operación de Data Wrangler que puede deshacerse.

En esta tabla se resumen las operaciones que admite actualmente Data Wrangler:

Operación Descripción
Sort Ordenar una columna en orden ascendente o descendente
Filter Filtrar filas en función de una o varias condiciones
Codificación de acceso único Cree nuevas columnas para cada valor único de una columna existente, lo que indica la presencia o ausencia de esos valores por fila
Codificación de un solo uso con delimitador Dividir y codificar datos categóricos con un delimitador
Cambiar el tipo de columna Para cambiar el tipo de datos de una columna
Columna desplegable Seleccione una o más columnas
Seleccionar columna Elija una o varias columnas para mantener y elimine el resto
Renombrar columna Cambio del nombre de una columna
Excluir valores omitidos Quitar filas con valores que faltan
Excluir filas duplicadas Quitar todas las filas que tienen valores duplicados en una o varias columnas
Rellenar los valores que faltan Reemplazar celdas por valores que faltan por un nuevo valor
Buscar y reemplazar Reemplazar celdas por un patrón de coincidencia exacto
Agrupar por columna y agregado Agrupar por valores de columna y agregar resultados
Eliminar espacio en blanco Quitar espacios en blanco del principio y el final del texto
Dividir texto Dividir una columna en varias columnas basadas en un delimitador definido por el usuario
Convertir texto en minúsculas Convertir texto en mayúsculas
Convertir texto en mayúsculas Convertir texto en MAYÚSCULAS
Escalar valores mínimos o máximos Escalado de una columna numérica entre un valor mínimo y máximo
Relleno rápido Crear automáticamente una nueva columna basada en ejemplos derivados de una columna existente

Modificar la pantalla

En cualquier momento, puede personalizar la interfaz con la pestaña "Vistas" de la barra de herramientas situada encima de la cuadrícula de visualización de Data Wrangler. Esto puede ocultar o mostrar diferentes paneles en función de sus preferencias y tamaño de pantalla, como se muestra en esta captura de pantalla:

Captura de pantalla que muestra el menú Data Wrangler para personalizar la vista de visualización.

Guardar y exportar código

La barra de herramientas situada encima de la cuadrícula de visualización de Data Wrangler proporciona opciones para guardar el código generado. Puede copiar el código en el Portapapeles o exportarlo al cuaderno como una función. Al exportar el código, se cierra Data Wrangler y se agrega la nueva función a una celda de código del cuaderno. También puede descargar el DataFrame limpio como un archivo CSV.

Sugerencia

Data Wrangler genera código que se aplica solo cuando ejecuta manualmente la nueva celda y no sobrescribirá el DataFrame original, como se muestra en esta captura de pantalla:

Captura de pantalla que muestra las opciones para exportar código en Data Wrangler.

A continuación, puede ejecutar ese código exportado, como se muestra en esta captura de pantalla:

Captura de pantalla que muestra el código generado por Data Wrangler en el cuaderno.