Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Creazione e utilizzo di un flusso di Data Wrangler

Usa un flusso Amazon SageMaker Data Wrangler o un flusso di dati per creare e modificare una pipeline di preparazione dei dati. Il flusso di dati collega i set di dati, le trasformazioni e le analisi, o fasi, che crei e può essere utilizzato per definire la pipeline.

Istanze

Quando crei un flusso Data Wrangler in Amazon SageMaker Studio Classic, Data Wrangler utilizza un' EC2 istanza Amazon per eseguire le analisi e le trasformazioni del flusso. Per impostazione predefinita, Data Wrangler utilizza l'istanza m5.4xlarge. Le istanze m5 sono istanze generiche che forniscono un equilibrio tra elaborazione e memoria. È possibile utilizzare le istanze m5 per una varietà di carichi di lavoro di calcolo.

Data Wrangler ti offre anche la possibilità di utilizzare istanze r5. Le istanze r5 sono progettate per offrire prestazioni veloci nell'elaborazione di set di dati di grandi dimensioni in memoria.

Ti consigliamo di scegliere un'istanza che sia ottimizzata al meglio in base ai tuoi carichi di lavoro. Ad esempio, la r5.8xlarge potrebbe avere un prezzo più elevato rispetto alla m5.4xlarge, ma la r5.8xlarge potrebbe essere ottimizzata meglio per i tuoi carichi di lavoro. Con istanze meglio ottimizzate, puoi eseguire i flussi di dati in meno tempo a costi inferiori.

Nella tabella seguente vengono visualizzate le istanze che è possibile utilizzare per eseguire il flusso flusso di Data Wrangler.

Per ulteriori informazioni sulle istanze r5, consulta Amazon EC2 R5 Instances. Per ulteriori informazioni sulle istanze m5, consulta Amazon EC2 M5 Instances.

A ogni flusso di Data Wrangler è associata EC2 un'istanza Amazon. Potresti avere più flussi associati a una singola istanza.

Per ogni file di flusso, puoi cambiare facilmente il tipo di istanza. Se cambi il tipo di istanza, l'istanza che hai usato per eseguire il flusso continua a funzionare.

Saranno addebitati i costi per tutte le istanze in esecuzione. Per evitare di incorrere in costi aggiuntivi, chiudi manualmente le istanze che non utilizzi. Per chiudere un'istanza in esecuzione, utilizza la procedura seguente.

Se chiudi un'istanza utilizzata per eseguire un flusso, temporaneamente non puoi accedere al flusso. Se ricevi un errore durante il tentativo di aprire il flusso che esegue un'istanza che hai chiuso in precedenza, attendi 5 minuti e prova ad aprirla di nuovo.

Quando esporti il flusso di dati in una posizione come Amazon Simple Storage Service o Amazon SageMaker Feature Store, Data Wrangler esegue un processo di SageMaker elaborazione Amazon. Puoi utilizzare una delle seguenti istanze per il processo di elaborazione. Per ulteriori informazioni sull'esportazione dei dati, consulta Esporta.

Per ulteriori informazioni sul costo orario per l'utilizzo dei tipi di istanze disponibili, consulta SageMaker AI Pricing.

Interfaccia flusso di dati

Quando importi un set di dati, il set di dati originale viene visualizzato nel flusso di dati e viene denominato Origine. Se hai attivato il campionamento quando hai importato i dati, questo set di dati è denominato Origine - campionata. Data Wrangler deduce automaticamente i tipi di ogni colonna del set di dati e crea un nuovo dataframe denominato Tipi di dati. Puoi selezionare questo frame per aggiornare i tipi di dati dedotti. Dopo aver caricato un singolo set di dati, vengono visualizzati risultati simili a quelli mostrati nell'immagine seguente:

Ogni volta che aggiungi una fase di trasformazione, crei un nuovo dataframe. Quando più fasi di trasformazione (diverse da Unisci o Concatena) vengono aggiunte allo stesso set di dati, vengono impilate.

Unisci e Concatena creano fasi autonome che contengono il nuovo set di dati unito o concatenato.

Il diagramma seguente mostra un flusso di dati con un'unione tra due set di dati e due stack di fasi. Il primo stack (Fasi (2)) aggiunge due trasformazioni al tipo dedotto nel set di dati Tipi di dati. Lo stack downstream, o lo stack a destra, aggiunge trasformazioni al set di dati risultanti da un'unione denominata demo-join.

La piccola casella grigia nell'angolo in basso a destra del flusso di dati fornisce una panoramica del numero di stack e fasi del flusso e del layout del flusso. Il riquadro più chiaro all'interno del riquadro grigio indica le fasi incluse nella visualizzazione dell'interfaccia utente. Puoi utilizzare questa casella per visualizzare le sezioni del flusso di dati che non rientrano nella visualizzazione dell'interfaccia utente. Usa l'icona Adatta allo schermo ( ) per adattare tutte le fasi e i set di dati alla visualizzazione dell'interfaccia utente.

La barra di navigazione in basso a sinistra include icone che puoi utilizzare per ingrandire ( ) e rimpicciolire ( ) il flusso di dati e ridimensionarlo per adattarlo allo schermo (). Usa l'icona del lucchetto ( ) per bloccare e sbloccare la posizione di ogni fase sullo schermo.

Aggiungere una fase al flusso di dati

Seleziona + accanto a qualsiasi set di dati o fase aggiunti in precedenza, quindi seleziona una delle seguenti opzioni:

Eliminare una fase dal flusso di dati

Per eliminare una fase, seleziona la fase e scegli Elimina. Se il nodo è un nodo con un solo input, si elimina solo la fase selezionata. L'eliminazione di una fase con un solo input non elimina le fasi successive. Se stai eliminando una fase per un nodo di origine, join o concatenazione, vengono eliminata anche tutte le fasi successive.

Per eliminare una fase da uno stack di fasi, seleziona lo stack e quindi seleziona la fase che desideri eliminare.

Puoi utilizzare una delle procedure seguenti per eliminare una fase senza eliminare le fasi a valle.

Delete a step in the Data Wrangler flow

Puoi eliminare una singola fase per i nodi del flusso di dati che hanno un singolo input. Non puoi eliminare singole fasi per i nodi di origine, unione e concatenazione.

Utilizza la procedura seguente per eliminare una fase nel flusso di Data Wrangler.

1. Scegli il gruppo di fasi contenente la fase che stai eliminando.

2. Scegli l'icona accanto alla fase.

3. Scegli Elimina fase.

   

Delete a step in the table view

Utilizza la procedura riportata di seguito per eliminare una fase nella vista tabella.

Puoi eliminare una singola fase per i nodi del flusso di dati che hanno un singolo input. Non puoi eliminare singole fasi per i nodi di origine, unione e concatenazione.

1. Scegli la fase e apri la visualizzazione della tabella relativa ala fase.

2. Sposta il cursore sulla fase in modo che appaia l'icona con i puntini di sospensione.

3. Scegli l'icona accanto alla fase.

4. Scegli Elimina.

   

Modificare una fase del flusso di Data Wrangler

Puoi modificare ogni fase che hai aggiunto al flusso di Data Wrangler. Modificando le fasi, puoi modificare le trasformazioni o i tipi di dati delle colonne. Puoi modificare le fasi per apportare modifiche con cui eseguire analisi migliori.

Esistono molti modi per modificare una fase. Alcuni esempi includono la modifica del metodo di imputazione o la modifica della soglia per considerare un valore come un valore anomalo.

Per modificare una fase, utilizza la procedura seguente.

La seguente immagina mostra un esempio di modifica di una fase.