Microsoft Fabric 笔记本支持使用 Pandas 与 Lakehouse 数据无缝交互，Pandas 是最常用的用于数据浏览和处理的 Python 库。 在笔记本中，用户可以以各种文件格式快速读取和写回其 Lakehouse 的数据。 本指南提供代码示例来帮助你开始使用自己的笔记本。
Microsoft Fabric 目前处于
预览版
。
Microsoft Fabric 订阅
。 或者注册免费的
Microsoft Fabric（预览）试用版
。
登录
Microsoft Fabric
。
将 Lakehouse 数据加载到笔记本中
将 Lakehouse 附加到 Microsoft Fabric 笔记本后，无需离开页面即可浏览存储的数据，只需点击即可将其读入笔记本。 选择任何 Lakehouse 文件会显示“将数据加载”到 Spark 或 Pandas DataFrame 的选项。 （还可以复制文件的完整 ABFS 路径或友好的相对路径。）
单击其中一个“加载数据”提示将生成一个代码单元，用于将该文件加载到笔记本中的 DataFrame 中。
将 Spark DataFrame 转换为 Pandas DataFrame
下面的命令演示了如何将 Spark DataFrame 转换为 Pandas DataFrame，以供参考。
# Replace "spark_df" with the name of your own Spark DataFrame
pandas_df = spark_df.toPandas()
下面的代码示例记录了用于读取和写入各种文件格式的 Pandas 操作。
必须替换以下示例中的文件路径。 Pandas 支持相对路径（如下所示）和完整的 ABFS 路径。 可以根据上一步从接口检索和复制二者之一。
从 CSV 文件读取数据
import pandas as pd
# Read a CSV file from your Lakehouse into a Pandas DataFrame
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df = pd.read_csv("/LAKEHOUSE_PATH/Files/FILENAME.csv")
display(df)
将数据作为 CSV 文件写入
import pandas as pd
# Write a Pandas DataFrame into a CSV file in your Lakehouse
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df.to_csv("/LAKEHOUSE_PATH/Files/FILENAME.csv")
读取 Parquet 文件中的数据
import pandas as pd
# Read a Parquet file from your Lakehouse into a Pandas DataFrame
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df = pandas.read_parquet("/LAKEHOUSE_PATH/Files/FILENAME.parquet")
display(df)
将数据作为 Parquet 文件写入
import pandas as pd
# Write a Pandas DataFrame into a Parquet file in your Lakehouse
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df.to_parquet("/LAKEHOUSE_PATH/Files/FILENAME.parquet")
从 Excel 文件读取数据
import pandas as pd
# Read an Excel file from your Lakehouse into a Pandas DataFrame
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df = pandas.read_excel("/LAKEHOUSE_PATH/Files/FILENAME.xlsx")
display(df)
将数据作为 Excel 文件写入
import pandas as pd
# Write a Pandas DataFrame into an Excel file in your Lakehouse
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df.to_excel("/LAKEHOUSE_PATH/Files/FILENAME.xlsx")
读取 JSON 文件中的数据
import pandas as pd
# Read a JSON file from your Lakehouse into a Pandas DataFrame
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df = pandas.read_json("/LAKEHOUSE_PATH/Files/FILENAME.json")
display(df)
将数据作为 JSON 文件写入
import pandas as pd
# Write a Pandas DataFrame into a JSON file in your Lakehouse
# Replace LAKEHOUSE_PATH and FILENAME with your own values
df.to_json("/LAKEHOUSE_PATH/Files/FILENAME.json")
使用 Data Wrangler 清理和准备数据
开始训练 ML 模型
