VS Code 中的 Data Wrangler 入門指南

Data Wrangler 是一個以程式碼為中心的 VS Code 和 VS Code Jupyter Notebook 整合的資料檢視和清理工具。它提供了一個豐富的使用者介面來檢視和分析您的資料，顯示有洞察力的列統計資訊和視覺化，並在您清理和轉換資料時自動生成 Pandas 程式碼。

以下是從 Notebook 開啟 Data Wrangler 以使用內建操作分析和清理資料的示例。然後，會自動生成的程式碼將被匯出回 Notebook。

本文件涵蓋了如何

• 安裝和設定 Data Wrangler
• 從 Notebook 啟動 Data Wrangler
• 從資料檔案啟動 Data Wrangler
• 使用 Data Wrangler 探索您的資料
• 使用 Data Wrangler 對您的資料執行操作和清理
• 將資料整理程式碼編輯並匯出到 Notebook
• 故障排除和提供反饋

設定您的環境

1. 如果您還沒有安裝，請安裝 Python。重要提示： Data Wrangler 僅支援 Python 3.8 或更高版本。
2. 安裝 Visual Studio Code。
3. 安裝 Data Wrangler 擴充套件

當您第一次啟動 Data Wrangler 時，它會詢問您要連線到哪個 Python 核心。它還會檢查您的計算機和環境，以檢視是否安裝了所需的 Python 包，例如 Pandas。

以下是 Python 和 Python 包的所需版本列表，以及它們是否由 Data Wrangler 自動安裝

如果您的環境中找不到這些依賴項，Data Wrangler 將嘗試使用 pip 為您安裝它們。如果 Data Wrangler 無法安裝依賴項，最簡單的解決方法是手動執行 pip install，然後再次啟動 Data Wrangler。這些依賴項是 Data Wrangler 生成 Python 和 Pandas 程式碼所必需的。

開啟 Data Wrangler

無論何時您在 Data Wrangler 中，您都處於一個沙盒環境中，這意味著您可以安全地探索和轉換資料。原始資料集在您顯式匯出更改之前不會被修改。

從 Jupyter Notebook 啟動 Data Wrangler

有三種方法可以從您的 Jupyter Notebook 啟動 Data Wrangler

1. 在Jupyter > Variables 面板中，在任何受支援的資料物件旁邊，您都會看到一個啟動 Data Wrangler 的按鈕。
2. 如果您在 Notebook 中有一個 Pandas 資料框，在執行輸出資料框的程式碼後，您現在會在單元格底部看到一個Open 'df' in Data Wrangler 按鈕（其中 'df' 是您資料框的變數名）。這包括 1) df.head()，2) df.tail()，3) display(df)，4) print(df)，5) df。
3. 在 Notebook 工具欄中，選擇View data 會彈出一個包含 Notebook 中每個受支援資料物件的列表。然後，您可以選擇列表中要 Populate Data Wrangler 的變數。

直接從檔案啟動 Data Wrangler

您也可以直接從本地檔案（例如 .csv）啟動 Data Wrangler。為此，請在 VS Code 中開啟包含您想開啟的檔案的任何資料夾。在檔案資源管理器檢視中，右鍵單擊檔案，然後單擊Open in Data Wrangler。

Data Wrangler 目前支援以下檔案型別

• .csv/.tsv
• .xls/.xlsx
• .parquet

根據檔案型別，您可以指定檔案的分隔符和/或工作表。

您還可以將這些檔案型別設定為預設使用 Data Wrangler 開啟。

UI 導覽

Data Wrangler 在處理資料時有兩種模式。每種模式的詳細資訊將在下面的後續部分中解釋。

1. 檢視模式：檢視模式優化了介面，以便您可以快速檢視、過濾和排序資料。這種模式非常適合對資料集進行初步探索。
2. 編輯模式：編輯模式優化了介面，以便您可以對資料集應用轉換、清理或修改。當您在介面中應用這些轉換時，Data Wrangler 會自動生成相關的 Pandas 程式碼，並且可以將其匯出回您的 Notebook 以供重用。

注意：預設情況下，Data Wrangler 在檢視模式下開啟。您可以在設定編輯器中更改此行為 。

檢視模式介面

1. 資料摘要面板顯示有關您的整個資料集或特定列（如果已選擇）的詳細摘要統計資訊。

2. 您可以從列的標題選單中對該列應用任何資料過濾器/排序。

3. 在 Data Wrangler 的檢視或編輯模式之間切換，以訪問內建的資料操作。

4. 快速洞察標頭是您可以快速檢視每列寶貴資訊的地方。根據列的資料型別，快速洞察顯示資料的分佈或資料點的頻率，以及缺失值和唯一值。

5. 資料網格提供了一個可滾動窗格，您可以在其中檢視整個資料集。

編輯模式介面

切換到編輯模式可以在 Data Wrangler 中啟用附加功能和使用者介面元素。在以下截圖中，我們使用 Data Wrangler 將最後一列中的缺失值替換為該列的中位數。

1. 操作面板是您可以搜尋 Data Wrangler 所有內建資料操作的地方。操作按類別組織。

2. 清理步驟面板顯示了先前應用的所有操作的列表。它使使用者能夠撤消特定操作或編輯最新的操作。選擇一個步驟將突出顯示資料差異檢視中的更改，並顯示與該操作相關的生成程式碼。

3. 匯出選單允許您將程式碼匯出回 Jupyter Notebook 或將資料匯出到新檔案。

4. 當您選中一個操作並預覽其對資料的影響時，網格將疊加您對資料所做的更改的資料差異檢視。

5. 程式碼預覽部分顯示了 Data Wrangler 在選擇操作時生成的 Python 和 Pandas 程式碼。當沒有選擇操作時，它保持為空。您可以編輯生成的程式碼，這會導致資料網格突出顯示對資料的影響。

Data Wrangler 操作

內建的 Data Wrangler 操作可以從操作面板中選擇。

下表列出了 Data Wrangler 在初始釋出時當前支援的資料操作。我們計劃在不久的將來新增更多操作。

如果您缺少某個操作並且希望在 Data Wrangler 中看到它得到支援，請在我們的 Data Wrangler GitHub 儲存庫中提交功能請求。

修改之前的步驟

生成的程式碼的每一步都可以透過清理步驟面板進行修改。首先，選擇要修改的步驟。然後，當您透過程式碼或操作面板對操作進行更改時，更改對資料的影響將在網格檢視中高亮顯示。

編輯和匯出程式碼

在 Data Wrangler 中完成資料清理步驟後，有三種方法可以將清理後的資料集匯出：

1. 將程式碼匯出回 Notebook 並退出： 這將在您的 Jupyter Notebook 中建立一個新單元格，其中包含您生成的所有資料清理程式碼，並打包成一個 Python 函式。
2. 將資料匯出到檔案： 這會將清理後的資料集儲存為 CSV 或 Parquet 檔案到您的計算機。
3. 複製程式碼到剪貼簿： 這會複製 Data Wrangler 為資料清理操作生成的所有程式碼。

搜尋列

要查詢資料集中特定列，請從 Data Wrangler 工具欄中選擇Go to column 並搜尋相應的列。

故障排除

通用核心連線問題

對於一般的連線問題，請參閱上面“連線到 Python 核心”部分中有關連線的其他方法。要除錯與本地 Python 直譯器選項相關的問題，一種潛在的修復方法是安裝不同版本的 Jupyter 和 Python 擴充套件。例如，如果安裝了穩定版本的擴充套件，您可以安裝預釋出版本（反之亦然）。

要清除已快取的核心，您可以從命令面板執行 Data Wrangler: Clear cached runtime 命令 ⇧⌘P (Windows, Linux Ctrl+Shift+P)。

開啟資料檔案時出現 UnicodeDecodeError

如果您在直接從 Data Wrangler 開啟資料檔案時遇到 UnicodeDecodeError，則可能是由以下兩個問題引起的：

1. 您要開啟的檔案具有 UTF-8 以外的編碼。
2. 檔案已損壞。

要解決此錯誤，您需要從 Jupyter Notebook 啟動 Data Wrangler，而不是直接從資料檔案啟動。使用 Jupyter Notebook 使用 Pandas 讀取檔案，例如使用 read_csv 方法。在 read 方法中，使用 encoding 和/或 encoding_errors 引數來定義要使用的編碼或如何處理編碼錯誤。如果您不知道哪種編碼可能適用於此檔案，可以嘗試使用 chardet 等庫來嘗試推斷出一種有效的編碼。

問題和反饋

如果您遇到問題、有功能請求或任何其他反饋，請在我們的 GitHub 儲存庫中提交 Issue：https://github.com/microsoft/vscode-data-wrangler/issues/new/choose

資料和遙測

Microsoft Data Wrangler Visual Studio Code 擴充套件收集使用資料並將其傳送給 Microsoft，以幫助改進我們的產品和服務。請閱讀我們的 隱私宣告以瞭解更多資訊。此擴充套件尊重 telemetry.telemetryLevel 設定，您可以訪問 https://vscode.com.tw/docs/configure/telemetry 瞭解更多資訊。