Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Creación y uso de un flujo de Data Wrangler

Utilice un flujo de Amazon SageMaker Data Wrangler, o un flujo de datos, para crear y modificar una canalización de preparación de datos. El flujo de datos conecta los conjuntos de datos, las transformaciones y los análisis, o pasos, que cree, y puede usarse para definir su canalización.

instancias

Cuando crea un flujo de Data Wrangler en Amazon SageMaker Studio Classic, Data Wrangler utiliza una EC2 instancia de Amazon para ejecutar los análisis y las transformaciones de su flujo. De forma predeterminada, Data Wrangler usa la instancia m5.4xlarge. Las instancias m5 son instancias de uso general que proporcionan un equilibrio entre computación y memoria. Puede usar instancias m5 para una variedad de cargas de trabajo de computación.

Data Wrangler también le ofrece la opción de usar instancias r5. Las instancias r5 están diseñadas para ofrecer un rendimiento rápido al procesar grandes conjuntos de datos en la memoria.

Se recomienda elegir la instancia que esté mejor optimizada en función de sus cargas de trabajo. Por ejemplo, r5.8xlarge puede tener un precio más alto que m5.4xlarge, pero r5.8xlarge podría estar mejor optimizada para sus cargas de trabajo. Con instancias mejor optimizadas, puede ejecutar flujos de datos en menos tiempo y a un costo menor.

La siguiente tabla muestra las instancias que puede utilizar para ejecutar el flujo de Data Wrangler.

Para obtener más información sobre las instancias r5, consulte Amazon EC2 R5 Instances. Para obtener más información sobre las instancias m5, consulte Amazon EC2 M5 Instances.

Cada flujo de Data Wrangler tiene una EC2 instancia de Amazon asociada. Es posible que tenga varios flujos asociados a una sola instancia.

Puede cambiar el tipo de instancia para cada archivo de flujo sin problemas. Si cambia el tipo de instancia, la instancia que utilizó para ejecutar el flujo seguirá ejecutándose.

Se cobrará por todas las instancias en ejecución. Para evitar incurrir en cargos adicionales, apague manualmente las instancias que no utilice. Utilice el siguiente procedimiento para apagar una instancia en ejecución.

Si apaga una instancia utilizada para ejecutar un flujo, no podrás acceder al flujo temporalmente. Si recibe un error al intentar abrir un flujo que ejecuta una instancia que apagó previamente, espere 5 minutos e intente abrirlo de nuevo.

Cuando exporta su flujo de datos a una ubicación como Amazon Simple Storage Service o Amazon SageMaker Feature Store, Data Wrangler ejecuta un trabajo de SageMaker procesamiento de Amazon. Puede utilizar una de las siguientes instancias para el trabajo de procesamiento. Para obtener más información sobre la exportación de datos, consulte Exportar.

Para obtener más información sobre el coste por hora del uso de los tipos de instancias disponibles, consulta SageMaker los precios.

La interfaz de usuario del flujo de datos

Al importar un conjunto de datos, el conjunto de datos original aparece en el flujo de datos y se denomina Origen. Si activó el muestreo al importar los datos, este conjunto de datos se denomina Origen: muestreado. Data Wrangler infiere automáticamente los tipos de cada columna de su conjunto de datos y crea un nuevo marco de datos denominado Tipos de datos. Puede seleccionar este marco para actualizar los tipos de datos inferidos. Verá resultados similares a los que se muestran en la siguiente imagen después de cargar un conjunto de datos:

Cada vez que agregue un paso de transformación, creará un marco de datos nuevo. Cuando se agregan varios pasos de transformación (salvo Unir o Concatenar) al mismo conjunto de datos, estos se apilan.

Unir y Concatenar crean pasos independientes que contienen el nuevo conjunto de datos unido o concatenado.

El siguiente diagrama muestra un flujo de datos con una unión entre dos conjuntos de datos, así como dos pilas de pasos. La primera pila (Pasos [2]) agrega dos transformaciones al tipo inferido en el conjunto de datos de Tipos de datos. La pila descendente, o la pila de la derecha, agrega transformaciones al conjunto de datos resultantes de una unión denominada demo-join.

El pequeño cuadro gris situado en la esquina inferior derecha del flujo de datos proporciona una descripción general del número de pilas y pasos del flujo, así como del diseño del flujo. El cuadro más claro dentro del cuadro gris indica los pasos que se encuentran dentro de la vista de la interfaz de usuario. Puede usar este cuadro para ver las secciones del flujo de datos que quedan fuera de la vista de la interfaz de usuario. Use el icono de ajuste de pantalla ( ) para incluir todos los pasos y conjuntos de datos en la vista de interfaz de usuario.

La barra de navegación inferior izquierda incluye íconos que puedes usar para acercar ( ) y alejar () tu flujo de datos y cambiar el tamaño del flujo de datos para que se ajuste a la pantalla ( ). Utilice el icono de bloqueo ( ) para bloquear y desbloquear la ubicación de cada paso de la pantalla.

Adición de un paso al flujo de datos

Seleccione el signo + junto a cualquier conjunto de datos o paso agregado anteriormente y, a continuación, seleccione una de las siguientes opciones:

Eliminación de un paso del flujo de datos

Para eliminar un paso, seleccione el paso y seleccione Eliminar. Si el nodo es un nodo que tiene una sola entrada, solo se elimina el paso que se seleccione. Cuando se elimina un paso que tiene una sola entrada, no se eliminan los pasos que le siguen. Si va a eliminar un paso de un nodo de origen, una unión o una concatenación, también se eliminarán todos los pasos siguientes.

Para eliminar un paso de una pila de pasos, seleccione la pila y, a continuación, seleccione el paso que desee eliminar.

Puede utilizar uno de los siguientes procedimientos para eliminar un paso sin eliminar los pasos posteriores.

Delete a step in the Data Wrangler flow

Puede eliminar un paso individual para los nodos del flujo de datos que tengan una sola entrada. No puede eliminar los pasos individuales de los nodos de origen, unión y concatenación.

Utilice el siguiente procedimiento para eliminar un paso del flujo de Data Wrangler.

1. Elija el grupo de pasos que contiene el paso que va a eliminar.

2. Elija el icono al lado del paso.

3. Elija Eliminar paso.

   

Delete a step in the table view

Utilice el siguiente procedimiento para eliminar un paso de la vista de tabla.

Puede eliminar un paso individual para los nodos del flujo de datos que tengan una sola entrada. No puede eliminar los pasos individuales de los nodos de origen, unión y concatenación.

1. Elija el paso y abra la vista de tabla del paso.

2. Mueva el cursor sobre el paso para que aparezca el icono de puntos suspensivos.

3. Elija el icono al lado del paso.

4. Elija Eliminar.

   

Edición de un paso del flujo de Data Wrangler

Puede editar cada paso que haya agregado al flujo de Data Wrangler. Al editar los pasos, puede cambiar las transformaciones o los tipos de datos de las columnas. Puede editar los pasos para realizar cambios que le permitan llevar a cabo mejores análisis.

Hay muchas maneras de editar un paso. Algunos ejemplos incluyen cambiar el método de imputación o cambiar el umbral para considerar que un valor es atípico.

Utilice el siguiente procedimiento para editar un paso.

En la siguiente imagen se muestra un ejemplo de edición de un paso.