使用筆記本將資料載入 Lakehouse

在本教學課程中，瞭解如何使用筆記本將資料讀取/寫入 Fabric Lakehouse。 網狀架構支援 Spark API 和 Pandas API，以達成此目標。

使用 Apache Spark API 載入資料

在筆記本的程式碼儲存格中，使用下列程式碼範例從來源讀取資料，並將其載入 Lakehouse 的檔案、資料表或這兩個區段。

若要指定要讀取的位置，如果資料來自目前筆記本的預設 Lakehouse，您可以使用相對路徑。 或者，如果資料來自不同的 Lakehouse，您可以使用絕對的 Azure Blob 檔系統 (ABFS) 路徑。 從資料的操作功能表複製此路徑。

複製ABFS路徑：此選項會傳回檔案的絕對路徑。

複製 Spark 的相對路徑：此選項會傳回預設 Lakehouse 中檔案的相對路徑。

df = spark.read.parquet("location to read from") 

# Keep it if you want to save dataframe as CSV files to Files section of the default lakehouse

df.write.mode("overwrite").format("csv").save("Files/ " + csv_table_name)

# Keep it if you want to save dataframe as Parquet files to Files section of the default lakehouse

df.write.mode("overwrite").format("parquet").save("Files/" + parquet_table_name)

# Keep it if you want to save dataframe as a delta lake, parquet table to Tables section of the default lakehouse

df.write.mode("overwrite").format("delta").saveAsTable(delta_table_name)

# Keep it if you want to save the dataframe as a delta lake, appending the data to an existing table

df.write.mode("append").format("delta").saveAsTable(delta_table_name)

使用 Pandas API 載入資料

為了支援 Pandas API，預設 Lakehouse 會自動掛接至筆記本。 裝入點是 『/lakehouse/default/』。 您可以使用這個載入點從預設 Lakehouse 讀取/寫入資料。 操作選單中的複製檔案 API 路徑 選項會從該載入點傳回檔案 API 路徑。 從複製 ABFS 路徑 選項傳回的路徑也適用於 Pandas API。

複製檔案 API 路徑：此選項會傳回預設 Lakehouse 裝入點下的路徑。

# Keep it if you want to read parquet file with Pandas from the default lakehouse mount point 

import pandas as pd
df = pd.read_parquet("/lakehouse/default/Files/sample.parquet")

# Keep it if you want to read parquet file with Pandas from the absolute abfss path 

import pandas as pd
df = pd.read_parquet("abfss://DevExpBuildDemo@msit-onelake.dfs.fabric.microsoft.com/Marketing_LH.Lakehouse/Files/sample.parquet")

提示

針對 Spark API，請使用複製 ABFS 路徑或複製 Spark 的相對路徑選項，以取得檔案的路徑。 針對 Pandas API，請使用複製 ABFS 路徑或複製檔案 API 路徑的選項來取得檔案的路徑。

讓程式碼使用 Spark API 或 Pandas API 的最快方式是使用載入資料 選項，然後選取您想要使用的 API。 程式碼會在筆記本的新程式碼儲存格中自動產生。

相關內容

• 使用筆記本探索 Lakehouse 中的資料