使用 Visual Studio Code 在 Microsoft Fabric 中進行資料科學

您可以在 VS Code 中為 Microsoft Fabric 構建和開發資料科學與資料工程解決方案。適用於 VS Code 的 Microsoft Fabric 擴充套件提供了整合開發體驗，可用於處理 Fabric 專案、Lakehouse、Notebook 和使用者定義函式。

什麼是 Microsoft Fabric？

Microsoft Fabric 是一個面向企業的、端到端的資料分析平臺。它統一了資料移動、資料處理、資料引入、資料轉換、即時事件路由和報表構建。它透過 Data Engineering、Data Factory、Data Science、Real-Time Intelligence、Data Warehouse 和 Databases 等整合服務支援這些功能。立即免費註冊，免費體驗 Microsoft Fabric 60 天 — 無需信用卡。

先決條件

在開始使用適用於 VS Code 的 Microsoft Fabric 擴充套件之前，您需要：

• Visual Studio Code：安裝最新版 VS Code。
• Microsoft Fabric 帳戶：您需要有權訪問 Microsoft Fabric 工作區。您可以 註冊免費試用以開始使用。
• Python：安裝 Python 3.8 或更高版本，以便在 VS Code 中使用 Notebook 和 使用者定義函式。

安裝和設定

您可以從 Visual Studio Marketplace 中查詢並安裝這些擴充套件，或者直接在 VS Code 中安裝。選擇“擴充套件”檢視（⇧⌘X (Windows、Linux Ctrl+Shift+X)），然後搜尋“Microsoft Fabric”。

使用哪些擴充套件

入門

安裝擴充套件並登入後，您就可以開始使用 Fabric 工作區和專案了。在命令面板（⇧⌘P (Windows、Linux Ctrl+Shift+P)）中，鍵入“Fabric”以列出 Microsoft Fabric 特有的命令。

Fabric 工作區和專案瀏覽器

Fabric 擴充套件程式提供了一種無縫的方式來處理遠端和本地 Fabric 專案。

• 在 Fabric 擴充套件程式中，“Fabric 工作區”部分按型別（Lakehouse、Notebook、管道等）列出了遠端工作區中的所有專案。
• 在 Fabric 擴充套件程式中，“本地資料夾”部分顯示了在 VS Code 中開啟的 Fabric 專案資料夾。它反映了您在 VS Code 中開啟的每種型別的 Fabric 專案定義的結構。這使您能夠本地開發並將更改釋出到當前或新的工作區。

使用使用者定義函式進行資料科學

1. 在命令面板（⇧⌘P (Windows、Linux Ctrl+Shift+P)）中，鍵入“Fabric: Create Item”。

2. 選擇您的工作區，然後選擇“User data function”。提供一個名稱並選擇“Python”語言。

3. 您會收到通知，需要設定 Python 虛擬環境，然後繼續在本地進行設定。

4. 使用 pip install 安裝庫，或在 Fabric 擴充套件程式中選擇使用者定義函式專案來新增庫。更新 requirements.txt 檔案以指定依賴項。

   fabric-user-data-functions ~= 1.0
   pandas == 2.3.1
   numpy == 2.3.2
   requests == 2.32.5
   scikit-learn=1.2.0
   joblib=1.2.0
   

5. 開啟 functions_app.py。下面是使用 scikit-learn 為資料科學開發使用者定義函式的示例。

   import datetime
   import fabric.functions as fn
   import logging
   
   # Import additional libraries
   import pandas as pd
   from sklearn.ensemble import RandomForestClassifier
   from sklearn.preprocessing import StandardScaler
   from sklearn.model_selection import train_test_split
   from sklearn.metrics import accuracy_score
   import joblib
   
   udf = fn.UserDataFunctions()
   @udf.function()
   def train_churn_model(data: list, targetColumn: str) -> dict:
       '''
       Description: Train a Random Forest model to predict customer churn using pandas and scikit-learn.
   
       Args:
       - data (list): List of dictionaries containing customer features and churn target
       Example: [{"Age": 25, "Income": 50000, "Churn": 0}, {"Age": 45, "Income": 75000, "Churn": 1}]
       - targetColumn (str): Name of the target column for churn prediction
       Example: "Churn"
   
       Returns: dict: Model training results including accuracy and feature information
       '''
       # Convert data to DataFrame
       df = pd.DataFrame(data)
   
       # Prepare features and target
       numeric_features = df.select_dtypes(include=['number']).columns.tolist()
       numeric_features.remove(targetColumn)
   
       X = df[numeric_features]
       y = df[targetColumn]
   
       # Split and scale data
       X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
       scaler = StandardScaler()
       X_train_scaled = scaler.fit_transform(X_train)
       X_test_scaled = scaler.transform(X_test)
   
       # Train model
       model = RandomForestClassifier(n_estimators=100, random_state=42)
       model.fit(X_train_scaled, y_train)
   
       # Evaluate and save
       accuracy = accuracy_score(y_test, model.predict(X_test_scaled))
       joblib.dump(model, 'churn_model.pkl')
       joblib.dump(scaler, 'scaler.pkl')
   
       return {
           'accuracy': float(accuracy),
           'features': numeric_features,
           'message': f'Model trained with {len(X_train)} samples and {accuracy:.2%} accuracy'
       }
   
   @udf.function()
   def predict_churn(customer_data: list) -> list:
       '''
       Description: Predict customer churn using trained Random Forest model.
   
       Args:
       - customer_data (list): List of dictionaries containing customer features for prediction
       Example: [{"Age": 30, "Income": 60000}, {"Age": 55, "Income": 80000}]
   
       Returns: list: Customer data with churn predictions and probability scores
       '''
       # Load saved model and scaler
       model = joblib.load('churn_model.pkl')
       scaler = joblib.load('scaler.pkl')
   
       # Convert to DataFrame and scale features
       df = pd.DataFrame(customer_data)
       X_scaled = scaler.transform(df)
   
       # Make predictions
       predictions = model.predict(X_scaled)
       probabilities = model.predict_proba(X_scaled)[:, 1]
   
       # Add predictions to original data
       results = customer_data.copy()
       for i, (pred, prob) in enumerate(zip(predictions, probabilities)):
           results[i]['churn_prediction'] = int(pred)
           results[i]['churn_probability'] = float(prob)
   
       return results
   

6. 透過按 F5 在本地測試您的函式。

7. 在 Fabric 擴充套件程式中，在“本地資料夾”下，選擇函式併發布到您的工作區。

   

詳細瞭解如何從以下位置呼叫函式：

• Fabric 資料管道
• Fabric Notebook
• 外部應用程式

使用 Fabric Notebook 進行資料科學

Fabric Notebook 是 Microsoft Fabric 中的互動式工作簿，用於並排編寫和執行程式碼、視覺化和 Markdown。Notebook 支援多種語言（Python、Spark、SQL、Scala 等），非常適合在 Fabric 中使用 OneLake 中的現有資料進行資料探索、轉換和模型開發。

示例

下面的單元格使用 Spark 讀取 CSV，將其轉換為 pandas，並使用 scikit-learn 訓練邏輯迴歸模型。請將列名和路徑替換為您資料集的值。

def train_logistic_from_spark(spark, csv_path):
    # Read CSV with Spark, convert to pandas
    sdf = spark.read.option("header", "true").option("inferSchema", "true").csv(csv_path)
    df = sdf.toPandas().dropna()

    # Adjust these to match your dataset
    X = df[['feature1', 'feature2']]
    y = df['label']

    from sklearn.model_selection import train_test_split
    from sklearn.linear_model import LogisticRegression
    from sklearn.metrics import accuracy_score

    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
    model = LogisticRegression(max_iter=200)
    model.fit(X_train, y_train)

    preds = model.predict(X_test)
    return {'accuracy': float(accuracy_score(y_test, preds))}

# Example usage in a Fabric notebook cell
# train_logistic_from_spark(spark, '/path/to/data.csv')

有關更多資訊，請參閱 Microsoft Fabric Notebooks 文件。

Git 整合

Microsoft Fabric 支援 Git 整合，可實現資料和分析專案的版本控制和協作。您可以將 Fabric 工作區連線到 Git 儲存庫（主要是 Azure DevOps 或 GitHub），並且僅同步支援的專案。此整合還支援 CI/CD 工作流，使團隊能夠高效地管理版本並維護高質量的分析環境。

後續步驟

現在您已在 VS Code 中設定了 Microsoft Fabric 擴充套件，請探索這些資源以加深您的知識：

• 瞭解 Microsoft Fabric 資料科學.
• 設定您的 Fabric 試用容量
• Microsoft Fabric 基礎知識

參與社群並獲取支援

• Microsoft Fabric 社群論壇
• Fabric 示例和模板
• Visual Studio Marketplace 評論和反饋