Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Créer et utiliser un flux Data Wrangler

Utilisez un flux Amazon SageMaker Data Wrangler, ou un flux de données, pour créer et modifier un pipeline de préparation des données. Le flux de données relie les jeux de données, les transformations et les analyses (ou étapes) que vous créez, et peut être utilisé pour définir votre pipeline.

instances

Lorsque vous créez un flux Data Wrangler dans Amazon SageMaker Studio Classic, Data Wrangler utilise une EC2 instance Amazon pour exécuter les analyses et les transformations de votre flux. Par défaut, Data Wrangler utilise l'instance m5.4xlarge. Les instances m5 sont des instances polyvalentes qui fournissent un équilibre entre le calcul et la mémoire. Vous pouvez utiliser des instances m5 pour diverses charges de travail de calcul.

Data Wrangler vous permet également d'utiliser des instances r5. Les instances r5 sont conçues pour offrir des performances rapides afin de traiter des jeux de données volumineux en mémoire.

Nous vous recommandons de choisir l'instance la mieux optimisée en fonction de vos charges de travail. Par exemple, l'instance r5.8xlarge peut être plus coûteuse que l'instance m5.4xlarge, mais elle sera peut-être mieux optimisée pour vos charges de travail. Avec des instances mieux optimisées, vous pouvez exécuter vos flux de données en moins de temps à moindre coût.

Le tableau suivant présente les instances que vous pouvez utiliser pour exécuter votre flux Data Wrangler.

Pour plus d'informations sur les instances r5, consultez Amazon EC2 R5 Instances. Pour plus d'informations sur les instances m5, consultez Amazon EC2 M5 Instances.

Une EC2 instance Amazon est associée à chaque flux Data Wrangler. Il se peut que plusieurs flux soient associés à une seule instance.

Pour chaque fichier de flux, vous pouvez changer de type d'instance en toute transparente. Si vous changez de type d'instance, l'instance que vous avez utilisée pour exécuter le flux continue de s'exécuter.

Toutes les instances en cours d'exécution vous sont facturées. Pour éviter les frais supplémentaires, arrêtez manuellement les instances que vous n'utilisez pas. Pour arrêter une instance en cours d'exécution, procédez comme suit.

Si vous arrêtez une instance utilisée pour exécuter un flux, vous ne pouvez temporairement pas accéder au flux. Si vous obtenez une erreur en essayant d'ouvrir le flux exécutant une instance que vous avez arrêté précédemment, patientez 5 minutes environ et essayez de l'ouvrir à nouveau.

Lorsque vous exportez votre flux de données vers un emplacement tel qu'Amazon Simple Storage Service ou Amazon SageMaker Feature Store, Data Wrangler exécute une tâche de SageMaker traitement Amazon. Vous pouvez utiliser l'une des instances suivantes pour la tâche de traitement. Pour plus d'informations sur l'exportation de vos données, consultez Exporter.

Pour plus d'informations sur le coût horaire d'utilisation des types d'instances disponibles, consultez la section SageMaker Tarification.

L'interface utilisateur du flux de données

Lorsque vous importez un jeu de données, le jeu de données d'origine apparaît sur le flux de données et est nommé Source. Si vous avez activé l'échantillonnage lorsque vous avez importé vos données, ce jeu de données est nommé Source - sampled (Source – échantillonnée). Data Wrangler déduit automatiquement les types de chaque colonne de votre jeu de données et crée un nouveau nom de données nommé Data types (Types de données). Vous pouvez sélectionner ce volet pour mettre à jour les types de données déduits. Vous voyez des résultats semblabes à ceux affichés dans l'image suivante après avoir téléchargé un seul jeu de données :

Chaque fois que vous ajoutez une étape de transformation, vous créez un nouveau nom de données. Lorsque plusieurs étapes de transformation (autres que Join (Joindre) ou Concatenate (Concaténer)) sont ajoutées au même jeu de données, elles sont empilées.

Join (Joindre) et Concatenate (Concaténer) créent des étapes autonomes contenant le nouveau jeu de données joint ou concaténé.

Le diagramme suivant montre un flux de données avec une jointure entre deux jeux de données, ainsi que deux piles d'étapes. La première pile (Steps (2)) ajoute deux transformations au type déduit dans le jeu de données Data types (Types de données). La pile en aval, ou la pile à droite, ajoute des transformations à l'ensemble de données résultant d'une jointure nommée demo-join.

Le petit cadre gris situé dans le coin inférieur droit du flux de données fournit un aperçu du nombre de piles et d'étapes dans le flux et de la disposition du flux. La zone plus lumineuse à l'intérieur de la zone grise indique les étapes qui se trouvent dans la vue de l'interface utilisateur. Vous pouvez utiliser cette zone pour afficher les sections de votre flux de données qui ne figurent pas dans la vue de l'interface utilisateur. Utilisez l'icône Ajuster à l'écran ( ) pour ajuster toutes les étapes et tous les jeux de données dans la vue de l'interface utilisateur.

La barre de navigation en bas à gauche inclut des icônes que vous pouvez utiliser pour zoomer ( ) et dézoomer ( ) sur votre flux de données et redimensionner le flux de données pour l'adapter à l'écran ( ). Utilisez l'icône de verrouillage ( ) pour verrouiller et déverrouiller l'emplacement de chaque étape sur l'écran.

Ajouter une étape à votre flux de données

Cliquez sur le symbole + en regard d'un jeu de données ou d'une étape précédemment ajoutée, puis choisissez l'une des options suivantes :

Suppression d'une étape de votre flux de données

Pour supprimer une étape, sélectionnez l'étape et sélectionnez Delete (Supprimer). Si le nœud ne contient qu'une seule entrée, vous ne supprimez que l'étape sélectionnée. La suppression d'une étape comportant une seule entrée ne supprime pas les étapes qui la suivent. Si vous supprimez une étape pour un nœud de source, de jointure ou de concaténation, toutes les étapes qui suivent sont également supprimées.

Pour supprimer une étape d'une pile d'étapes, sélectionnez la pile, puis sélectionnez l'étape à supprimer.

Vous pouvez utiliser l'une des procédures suivantes pour supprimer une étape sans supprimer les étapes en aval.

Delete a step in the Data Wrangler flow

Vous pouvez supprimer une étape individuelle pour les nœuds de votre flux de données qui n'ont qu'une seule entrée. Vous ne pouvez pas supprimer des étapes individuelles pour les nœuds de source, de jointure et de concaténation.

Utilisez la procédure suivante pour supprimer une étape du flux Data Wrangler.

1. Choisissez le groupe d'étapes qui contient celle que vous supprimez.

2. Choisissez l'icône en regard de l'étape.

3. Choisissez Delete step (Supprimer l'étape).

   

Delete a step in the table view

Utilisez la procédure suivante pour supprimer une étape dans la vue de table.

Vous pouvez supprimer une étape individuelle pour les nœuds de votre flux de données qui n'ont qu'une seule entrée. Vous ne pouvez pas supprimer des étapes individuelles pour les nœuds de source, de jointure et de concaténation.

1. Choisissez l'étape et ouvrez la vue de table correspondant à l'étape.

2. Placez le curseur sur l'étape pour que l'icône présentant des points de suspension apparaisse.

3. Choisissez l'icône en regard de l'étape.

4. Sélectionnez Delete (Supprimer).

   

Modification d'une étape dans votre flux Data Wrangler

Vous pouvez modifier chaque étape que vous avez ajoutée au flux Data Wrangler. En modifiant les étapes, vous pouvez modifier les transformations ou les types de données des colonnes. Vous pouvez modifier les étapes pour apporter des modifications qui vous permettent d'effectuer de meilleures analyses.

Il existe de nombreuses façons de modifier une étape. Par exemple, il est possible de modifier la méthode d'imputation ou d'adapter le seuil pour qu'une valeur soit considérée comme une valeur aberrante.

Suivez la procédure ci-dessous pour modifier une étape.

L'image suivante montre un exemple de modification d'une étape.