Adatok olvasása és írása a Pandas használatával a Microsoft Fabricben

  • Cikk

A Microsoft Fabric-jegyzetfüzetek támogatják a Lakehouse-adatokkal való zökkenőmentes interakciót a Pandas használatával, amely a legnépszerűbb Python-kódtár az adatfeltáráshoz és -feldolgozáshoz. A jegyzetfüzetekben a felhasználók számos fájlformátumban gyorsan olvashatnak adatokat a Lakehouse-jukból, és visszaírhatják az adatokat a tótárházukba. Ez az útmutató kódmintákat tartalmaz, amelyek segítenek a saját jegyzetfüzetének használatbavételében.

Fontos

A Microsoft Fabric előzetes verzióban érhető el.

Előfeltételek

  • Egy Power BI Premium-előfizetés. Ha még nincs ilyenje, olvassa el A Power BI Premium vásárlása című témakört.

  • Egy Power BI-munkaterület hozzárendelt Premium-kapacitással. Ha nincs munkaterülete, a Munkaterület létrehozása című cikk lépéseit követve hozzon létre egyet, és rendelje hozzá egy Prémium szintű kapacitáshoz.

  • Jelentkezzen be a Microsoft Fabricbe.

Lakehouse-adatok betöltése jegyzetfüzetbe

Miután csatolt egy Lakehouse-t a Microsoft Fabric-jegyzetfüzethez, anélkül vizsgálhatja meg a tárolt adatokat, hogy elhagyná a lapot, és kattintások alatt elolvasná őket a jegyzetfüzetben. Ha kiválaszt egy Lakehouse-fájlfelületet, az "Adatok betöltése" lehetőséget választja a Sparkba vagy a Pandas DataFrame-be. (A fájl teljes ABFS-elérési útját vagy egy rövid relatív elérési utat is másolhat.)

Képernyőkép, amelyen az adatok Pandas DataFrame-be való betöltésére szolgáló lehetőségek kiválasztása látható.

Ha az egyik "Adatok betöltése" kérdésre kattint, létrejön egy kódcella, amely betölti a fájlt egy DataFrame-be a jegyzetfüzetben.

Képernyőkép a jegyzetfüzethez hozzáadott kódcelláról.

Spark-adatkeret konvertálása Pandas DataFrame-fájllá

Referenciaként a következő parancs bemutatja, hogyan konvertálhat Spark DataFrame-et Pandas DataFrame-mé.

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

Különböző fájlformátumok olvasása és írása

Az alábbi kódminták a Különböző fájlformátumok olvasására és írására szolgáló Pandas-műveleteket dokumentálják.

Megjegyzés

Az alábbi mintákban cserélje le a fájl elérési útját. A Pandas mindkét relatív útvonalat támogatja az itt látható módon, valamint a teljes ABFS-útvonalakat. Bármelyik lekérhető és másolható a felületről az előző lépésnek megfelelően.

Adatok beolvasása CSV-fájlból

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)

Adatok írása CSV-fájlként

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")

Adatok beolvasása Parquet-fájlból

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)

Adatok írása Parquet-fájlként

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")

Adatok olvasása Excel-fájlból

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)

Adatok írása Excel-fájlként

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")

Adatok olvasása JSON-fájlból

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)

Adatok írása JSON-fájlként

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")

Következő lépések