Microsoft Fabric で Data Wrangler を使用してデータ準備を高速化する

Data Wrangler は、探索的データ分析のためのイマーシブで視覚的なインターフェイスを提供することで、データ準備ワークフローを高速化します。 この記事では、次の方法について説明します。

• Fabric ノートブックから Data Wrangler を起動する
• 対話型の視覚化と概要統計を使用してデータを探索する
• 自動コード生成で一般的なデータ クリーニング操作を適用する
• 再利用可能な pandas 関数または PySpark 関数をノートブックにエクスポートし直す

この記事では、pandas DataFrames について説明します。 Spark DataFrame については、 このリソースを参照してください。

前提条件

• Microsoft Fabric サブスクリプションを取得します。 または、無料の Microsoft Fabric 試用版にサインアップします。

• Microsoft Fabric にサインインします。

• ホーム ページの左下にあるエクスペリエンス スイッチャーを使用して Fabric に切り替えます。

  

制限事項

• カスタム コード操作では現在、pandas DataFrames のみがサポートされています。
• Data Wrangler ディスプレイは、大規模なモニターに最適です。 ただし、小さい画面に対応するために、インターフェイスのさまざまな部分を最小限に抑えたり非表示にしたりできます。

Data Wrangler の起動

Microsoft Fabric ノートブックから Data Wrangler を直接起動して、Pandas または Spark DataFrame を探索して変換できます。

サンプル データの使用を開始するには:

このコード スニペットは、Pandas DataFrame にサンプル データを読み取る方法を示しています。

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)

ノートブック リボンの [ホーム] タブで、Data Wrangler ドロップダウンを使用して、編集に使用できるアクティブな DataFrame を参照します。 Data Wrangler で開く内容を選択します。

セルから Data Wrangler を起動する

リボンに移動せずに、ノートブック セルから直接 Data Wrangler を開くこともできます。 このインライン エントリ ポイントは、DataFrames を操作する場所に Data Wrangler を表示します。

DataFrame を出力するセルを実行すると、データ ラングラー プロンプトがセル レベルで表示されます。 プロンプトを選択して、その DataFrame を Data Wrangler で開きます。 サポートされているコマンドは次のとおりです。

• df.head() または df.head(n)
• df.tail() または df.tail(n)
• df.show() または df.show(n)

1. DataFrame を出力するセルを実行します。

   import pandas as pd
   
   df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/titanic.csv")
   df.head()
   

2. セルの実行が完了すると、セルに Data Wrangler プロンプトが表示されます。 [ データ ラングラーで開く ] を選択して、 df DataFrame で Data Wrangler を起動します。

   

セルで複数の DataFrame が定義されている場合、プロンプトには、セル内のすべての DataFrame を一覧表示するサブメニューが表示されます。 明示的に印刷しなかった場合でも、Data Wrangler で開くことができます。

1. 複数の DataFrame を定義するセルを実行します。

   import pandas as pd
   
   titanic_df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/titanic.csv")
   iris_df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/iris-data.csv")
   titanic_df.head()
   iris_df.head()
   

2. セルの実行が完了したら、セルの Data Wrangler プロンプトを選択します。 サブメニューには、セルで定義されているすべての DataFrame が一覧表示されます。 探索する 1 つを選択します。

   

カスタム サンプルの選択

Data Wrangler でアクティブな DataFrame のカスタム サンプルを開くには、次のスクリーンショットに示すように、ドロップダウンから [カスタム サンプルの選択 ] を選択します。

この操作により、目的のサンプルのサイズ (行数) とサンプリング 方法 (最初のレコード、最後のレコード、またはランダム セット) を指定するオプションが表示されたダイアログが開きます。 次のスクリーンショットで示すように、DataFrame の最初の 5,000 行が既定のサンプル サイズとして機能します。

概要統計情報の表示

Data Wrangler が読み込まれると、選択した DataFrame の概要が [概要] パネルに表示されます。 この概要には、DataFrame ディメンション、欠損値などの情報が含まれます。 [データ ラングラー] グリッドで列を選択すると、[ 概要 ] パネルが更新され、その特定の列に関する説明的な統計情報が表示されます。 すべての列に関するクイック分析情報は、そのヘッダーでも利用できます。

データクリーンアップ操作の閲覧

[操作] パネルには、データクリーニング操作の検索可能な一覧が表示されます。 [操作] パネルからデータ クリーニング操作を選択する場合は、操作を完了するために必要なパラメーターと共に、ターゲット列を指定する必要があります。 たとえば、列を数値的にスケーリングするプロンプトには、このスクリーンショットに示されているように、新しい値の範囲が必要です。

操作のプレビューと適用

選択した操作の結果は、[Data Wrangler] 表示グリッドで自動的にプレビューされ、対応するコードをグリッドの下のパネルに自動的に表示します。 プレビューしたコードをコミットするには、いずれかの場所で [適用 ] を選択します。 プレビューしたコードを削除して新しい操作を試すには、次のスクリーンショットに示すように [破棄 ] を選択します。

操作を適用すると、データ ラングラーの表示グリッドと概要統計が更新され、結果が反映されます。 このコードは、次のスクリーンショットに示すように、[ クリーニングステップ ] パネルのコミットされた操作の実行中の一覧に表示されます。

次の表は、Data Wrangler で現在サポートされている操作をまとめています。

ディスプレイをカスタマイズする

データ ラングラー表示グリッドの上にあるツール バーの [ビュー] タブを使用して、いつでもインターフェイスをカスタマイズできます。 このオプションでは、次のスクリーンショットに示すように、ユーザー設定と画面サイズに基づいて異なるペインを非表示または表示できます。

コードの保存とエクスポート

[Data Wrangler] 表示グリッドの上にあるツール バーには、生成されたコードを保存するためのオプションがあります。 コードをクリップボードにコピーしたり、関数としてノートブックにエクスポートしたりできます。 コードをエクスポートすると、Data Wrangler が閉じられ、ノートブックのコード セルに新しい関数が追加されます。 クリーンされた DataFrame を CSV ファイルとしてダウンロードすることもできます。

次のステップ

Pandas DataFrames で Data Wrangler を使用する方法を確認したら、次のリソースを確認します。

• Spark DataFrame で Data Wrangler を使用する - Spark DataFrames に同じ手法を適用する
• ライブデモを視聴 - Guy in a Cubeでデータラングラーがどう動作するか確認してみてください
• VS Code で Data Wrangler を試す - Visual Studio Code でデータ ラングラーを使用する

ご意見をお聞かせください。 Fabric Ideas フォーラムでアイデアを共有します。