在VS Code中开始使用Data Wrangler

Data Wrangler 是一款以代码为中心的数据查看和清理工具，集成于 VS Code 和 VS Code Jupyter 笔记本中。它提供了丰富的用户界面，方便您查看和分析数据，展示富有洞察力的列统计数据和可视化，并在清理和转换数据时自动生成 Pandas 代码。

以下是从笔记本打开数据整理器，利用内置作分析和清理数据的示例。然后自动生成的代码会导出回笔记本。

本文档涵盖了如何：

• 安装和设置数据整理器
• 从笔记本中获取发射数据整理器
• 从数据文件启动数据整理器
• 使用数据整理器来探索你的数据
• 使用数据整理工具对数据进行作和清理
• 编辑并导出数据整理代码到笔记本
• 排查故障和反馈

搭建你的环境

1. 如果你还没安装，建议安装Python。重要提示：Data Wrangler 仅支持 Python 3.8 或更高版本。
2. 安装Visual Studio Code。
3. 安装Data Wrangler扩展

当你第一次启动Data Wrangler时，它会询问你想连接哪个Python内核。它还会检查你的机器和环境，看看是否安装了所需的 Python 包，比如 Pandas。

以下是 Python 和 Python 包所需版本的列表，以及 Data Wrangler 是否会自动安装它们：

如果在你的环境中找不到这些依赖，Data Wrangler 会尝试为你安装它们，包括PIP.如果数据整理器无法安装依赖，最简单的解决办法是手动运行PIP安装然后再次启动数据整理器。这些依赖是Data Wrangler所必需的，因此它可以生成Python和Pandas代码。

开放数据整理器

任何时候你在Data Wrangler中，都处于一个沙盒环境中，这意味着你可以安全地探索和转换数据。原始数据集只有在你明确导出修改后才会被修改。

Jupyter 笔记本中的发射数据整理器

从你的Jupyter笔记本启动Data Wrangler有三种方法

1. 在Jupyter>变量面板中，在任何支持的数据对象旁边，你可以看到一个按钮可以启动数据整理器。
2. 如果你的笔记本里有Pandas数据帧，运行输出数据帧的代码后，你现在可以在单元格底部看到一个打开“df”按钮（其中“df”是你的数据帧变量名）。这包括1）df.head（）, 2)df.tail（）, 3)Display（DF）, 4)打印（DF）, 5)DF.
3. 在笔记本工具栏中，选择查看数据，会显示笔记本中所有支持的数据对象列表。然后你可以选择想在数据整理器中打开列表中的哪个变量。

直接从文件进行启动数据整理器

你也可以直接从本地文件（比如.csv).要做到这一点，可以在VS Code中打开包含你想打开的文件的任何文件夹。在文件资源管理器视图中，右键点击文件，点击“在数据整理器中打开”。

Data Wrangler 目前支持以下文件类型

• .csv/.tsv
• .xls/.xlsx
• .拼花地板

根据文件类型，你可以指定文件的分隔符和/或文件表。

你也可以默认用数据整理器打开这些文件类型。

UI巡演

数据整理器在处理数据时有两种模式。每种模式的细节将在下文后续章节中详细说明。

1. 观看模式：查看模式优化了界面，方便你快速查看、筛选和排序数据。这种模式非常适合对数据集进行初步探索。
2. 编辑模式：编辑模式优化界面，方便你对数据集进行转换、清理或修改。当你在界面中应用这些转换时，Data Wrangler 会自动生成相关的 Pandas 代码，并可导出回你的笔记本中重复使用。

注意：默认情况下，数据整理器以查看模式打开。你可以在设置编辑器里更改这个行为。

观看模式接口

1. 数据摘要面板显示您整体数据集的详细摘要统计数据，或如果选择了特定列。

2. 你可以在列的头部菜单中对该列应用任何数据筛选/排序。

3. 在数据整理器中切换查看模式或编辑模式，即可访问内置的数据作。

4. 快速洞察页首是您可以快速查看每列宝贵信息的地方。根据列的数据类型，快速洞察显示数据的分布或数据点的频率，以及缺失和不同的值。

5. 数据网格提供了一个可滚动的窗格，你可以查看整个数据集。

编辑模式界面

切换到编辑模式可启用Data Wrangler中的额外功能和用户界面元素。在下面的截图中，我们使用 Data Wrangler 将最后一列的缺失值替换为该列的中位数。

1. 作面板是你可以搜索Data Wrangler所有内置数据作的地方。作按类别组织。

2. 清洁步骤面板显示了之前应用的所有作列表。它允许用户撤销特定作或编辑最近的作。选择步骤会在数据差分视图中突出显示变化，并显示与该作相关的生成代码。

3. 导出菜单允许你把代码导出回Jupyter笔记本，或者导出到新文件。

4. 当你选中某个作并预览其对数据的影响时，网格会叠加你对数据所做的更改数据的差分视图。

5. 代码预览部分显示 Data Wrangler 在选择作时生成的 Python 和 Pandas 代码。当未选择作时，它保持空。你可以编辑生成的代码，这样数据网格会突出显示对数据的影响。

数据整理器作

内置的数据整理器作可以从作面板中选择。

下表列出了目前在 Data Wrangler 初始版本中支持的作。我们计划在不久的将来增加更多运营。

如果有缺少的作，并且希望Data Wrangler支持，请在我们的Data Wrangler GitHub仓库提交功能请求。

修改之前的步骤

生成代码的每个步骤都可以通过清洁步骤面板进行修改。首先，选择你想修改的步骤。然后，当你通过代码或作面板对作进行修改时，你对数据的影响会在网格视图中被突出显示。

编辑和导出代码

完成数据整理步骤后，有三种方式可以导出清理后的数据集。

1. 导出代码回 Notebook 并退出：这会在你的 Jupyter 笔记本中创建一个新单元格，里面包含你生成的所有数据清理代码，打包成一个 Python 函数。
2. 导出数据到文件：这样清理后的数据集会保存为新的CSV或Parquet文件到你的电脑上。
3. 复制代码到剪贴板：它复制了Data Wrangler为数据清理作生成的所有代码。

搜索列

要在数据集中查找特定列，请从数据整理工具栏中选择“前往列”，并搜索相应列。

故障排除

内核连接性问题

关于一般连接问题，请参见上文“连接 Python 内核”部分关于替代连接方法的介绍。为了调试与本地 Python 解释器选项相关的问题，一种可能解决问题的方法是安装不同版本的 Jupyter 和 Python 扩展。例如，如果安装了稳定版本的扩展，你可能会安装预发布版本（反之亦然）。

要清除已经缓存的内核，你可以运行数据整理器：清除缓存运行时命令来自命令调色板 ⇧⌘P（Windows，Linux Ctrl+Shift+P）。

打开数据文件会得到UnicodeDecodeError（统一码码错误）

如果你遇到UnicodeDecodeError（统一码码错误）当直接从Data Wrangler打开数据文件时，这种情况可能由以下两种原因引起：

1. 你试图打开的文件有其他编码方式，除了UTF-8
2. 文件损坏了。

要绕过这个错误，你需要从Jupyter笔记本中打开Data Wrangler，而不是直接从数据文件中打开。可以用 Jupyter Notebook 用 Pandas 读取文件，比如用 read_csv 方法。在阅读方法，使用以下编码和/或encoding_errors定义编码方式或处理编码错误的参数。如果你不知道哪种编码适用于这个文件，可以试试像chardet这样的库，试图推断出合适的编码。

问题与反馈

如果你遇到问题、功能请求或其他反馈，请在我们的GitHub仓库提交问题：https://github.com/microsoft/vscode-data-wrangler/issues/new/choose

数据与遥测

Microsoft Data Wrangler用于Visual Studio Code的扩展会收集使用数据并发送给Microsoft，以帮助改进我们的产品和服务。阅读我们的隐私声明以了解更多信息。该扩展尊重遥测。遥测水平你可以在 https://code.visualstudio.com/docs/configure/telemetry 上了解更多相关内容。