如何在 Microsoft Fabric 中使用 Pandas 讀取和寫入資料

Microsoft Fabric 筆記本支援使用 Pandas 與 Lakehouse 資料順暢互動，這是用於資料探索和處理的熱門 Python 庫。 在筆記本中，您可以從 Lakehouse 資源中以各種檔案格式快速讀取資料，並將資料寫回其 Lakehouse 資源。 本指南提供程式碼範例，以協助您開始使用自己的筆記本。

必要條件

• 取得 Microsoft Fabric 訂用帳戶。 或註冊免費的 Microsoft Fabric 試用版。

• 登入 Microsoft Fabric。

• 使用首頁左側的體驗切換器，切換至 Synapse 資料科學體驗。

  

將 Lakehouse 資料載入筆記本

將 Lakehouse 連結至 Microsoft Fabric 筆記本之後，即可探索儲存的資料，而無需離開頁面，並讀取到您的筆記本中，只要幾個步驟即可完成。 選取任何 Lakehouse 檔案會顯示選項，以「載入資料」到 Spark 或 Pandas DataFrame。 您也可以複製檔案的完整 ABFS 路徑，或者易記的相對路徑。

選取其中一個「載入資料」提示會產生程式碼儲存格，以將該檔案載入筆記本中的 DataFrame。

將 Spark DataFrame 轉換為 Pandas DataFrame

如需參考，此命令會展示如何將 Spark DataFrame 轉換成 Pandas DataFrame：

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

讀取和寫入各種檔案格式

這些程式碼範例會描述 Pandas 作業，以讀取和寫入各種檔案格式。

從 CSV 檔案讀取資料

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)

將資料寫入為 CSV 檔案

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") 

從 Parquet 檔案讀取資料

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 = pandas.read_parquet("/LAKEHOUSE_PATH/Files/FILENAME.parquet") 
display(df)

將資料寫入為 Parquet 檔案

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") 

從 Excel 檔案讀取資料

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) 

將資料寫入為 Excel 檔案

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") 

從 JSON 檔案讀取資料

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) 

將資料寫入為 JSON 檔案

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") 

相關內容

• 使用 Data Wrangler 清理並準備您的資料
• 開始訓練 ML 模型