Jak číst a zapisovat data pomocí Knihovny Pandas v Microsoft Fabric

  • Článek

Poznámkové bloky Microsoft Fabric podporují bezproblémovou interakci s daty Lakehouse pomocí knihovny Pandas, nejoblíbenější knihovny Pythonu pro zkoumání a zpracování dat. V rámci poznámkového bloku můžou uživatelé rychle číst data ze svých lakehouses v různých formátech souborů a zapisovat je do něj. Tato příručka obsahuje ukázky kódu, které vám pomůžou začít pracovat s vlastním poznámkovými bloky.

Důležité

Microsoft Fabric je v současné době ve verzi PREVIEW. Tyto informace se týkají předběžného vydání produktu, který může být před vydáním podstatně změněn. Společnost Microsoft neposkytuje na zde uvedené informace žádné záruky, ať už vyjádřené nebo předpokládané.

Požadavky

Načtení dat Lakehouse do poznámkového bloku

Jakmile připojíte Lakehouse k poznámkovému bloku Microsoft Fabric, můžete procházet uložená data, aniž byste museli opustit stránku, a přečíst je do poznámkového bloku několika kliknutími. Při výběru libovolného souboru Lakehouse se zobrazí možnosti načtení dat do datového rámce Spark nebo Pandas. (Můžete také zkopírovat úplnou cestu ABFS souboru nebo popisnou relativní cestu.)

Snímek obrazovky znázorňující, kde vybrat možnosti načtení dat do datového rámce Pandas

Kliknutím na jednu z výzev k načtení dat se vygeneruje buňka kódu, která tento soubor načte do datového rámce v poznámkovém bloku.

Snímek obrazovky s buňkou kódu přidanou do poznámkového bloku

Převod datového rámce Sparku na datový rámec Pandas

Následující příkaz ukazuje, jak převést datový rámec Sparku na datový rámec Pandas.

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

Čtení a zápis různých formátů souborů

Následující ukázky kódu dokumentují operace Pandas pro čtení a zápis různých formátů souborů.

Poznámka

Cesty k souborům musíte nahradit v následujících ukázkách. Pandas podporuje relativní cesty, jak je znázorněno tady, i úplné cesty ABFS. Buď lze načíst a zkopírovat z rozhraní podle předchozího kroku.

Čtení dat ze souboru 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 dat jako souboru 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")

Čtení dat ze souboru 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 = pandas.read_parquet("/LAKEHOUSE_PATH/Files/FILENAME.parquet") 
display(df)

Zápis dat jako souboru 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")

Čtení dat z excelového souboru

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

Zápis dat jako excelového souboru

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")

Čtení dat ze souboru 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 dat jako souboru 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")

Další kroky