翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Data Wrangler フローを作成して使用する

Amazon SageMaker Data Wrangler フロー、またはデータフロー を使用して、データ準備パイプラインを作成および変更します。データフローは、データセット、変換、分析、または、パイプラインを定義するために作成して使用できるステップを接続します。

インスタンス

Amazon SageMaker Studio Classic で Data Wrangler フローを作成すると、Data Wrangler は Amazon EC2インスタンスを使用してフロー内の分析と変換を実行します。デフォルトでは、Data Wrangler は m5.4xlarge インスタンスを使用します。M5 インスタンスは、コンピューティングとメモリのバランスをとる汎用インスタンスです。M5 インスタンスはさまざまなコンピューティングワークロードに使用できます。

Data Wrangler には R5 インスタンスを使用するオプションもあります。R5 インスタンスは、メモリ内の大きなデータセットを処理する高速パフォーマンスを実現するように設計されています。

ワークロードに合わせて最適化されたインスタンスを選択することをお勧めします。例えば、r5.8xlarge は m5.4xlarge と比較して価格が高くても、よりワークロードに最適化されている場合があります。より最適化されたインスタンスでは、データフローを短時間に低コストで実行できます。

次の表は、Data Wrangler フローの実行に使用できるインスタンスを示しています。

r5 インスタンスの詳細については、「Amazon EC2 R5 インスタンス」を参照してください。m5 インスタンスの詳細については、「Amazon EC2 M5 インスタンス」を参照してください。

各 Data Wrangler フローには、関連付けられている Amazon EC2インスタンスがあります。1 つのインスタンスに複数のフローが関連付けられている場合があります。

フローファイルごとに、インスタンスタイプをシームレスに切り替えることができます。インスタンスタイプを切り替えても、フローの実行に使用したインスタンスは引き続き実行されます。

実行中のすべてのインスタンスに対して課金されます。追加料金が発生しないように、使用していないインスタンスは手動でシャットダウンしてください。実行中のインスタンスをシャットダウンするには、以下の手順に従います。

フローを実行するために使用するインスタンスをシャットダウンすると、そのフローには一時的にアクセスできなくなります。以前にシャットダウンしたインスタンスを実行しているフローを開く際にエラーが発生した場合は、5 分待ってからもう一度開いてください。

Amazon Simple Storage Service や Amazon SageMaker Feature Store などの場所にデータフローをエクスポートすると、Data Wrangler は Amazon SageMaker 処理ジョブを実行します。Processing ジョブには、以下のいずれかのインスタンスを使用します。データのエクスポートの詳細については、「[Export] (エクスポート)」を参照してください。

使用可能なインスタンスタイプを使用するための 1 時間あたりのコストの詳細については、SageMaker 「 の料金」を参照してください。

データフロー UI

データセットをインポートすると、元のデータセットがデータフローに表示され、[Source] (ソース) という名前が付けられます。データのインポート時にサンプリングを有効にした場合、このデータセットには [ソース - サンプリング] という名前が付けられます。Data Wrangler は、データセット内の各列のタイプを自動的に推論し、[Data types] (データ型) という名前の新しいデータフレームを作成します。このフレームを選択して、推定されたデータ型を更新できます。1 つのデータセットをアップロードすると、次の図に示すような結果が表示されます。

変換ステップを追加するたびに、新しいデータフレームを作成します。複数の変換ステップ ([結合] または [連結] 以外) を同じデータセットに追加すると、それらはスタックされます。

[結合] と [連結] は、結合または連結された新しいデータセットを含むスタンドアロンステップを作成します。

次の図は、2 つのデータセット間の結合とステップの 2 つのスタックを含むデータフローを示しています。最初のスタック (Steps (2)) は、[Data types] (データ型) データセットで推論されるタイプに 2 つの変換を追加します。ダウンストリームスタック (右側のスタック) は、demo-join という名前の結合から得られた変換をデータセットに追加します。

データフローの右下隅にある小さなグレーのボックスは、フロー内のスタックとステップの数や、フローのレイアウトの概要を示します。グレーのボックス内のより明るいボックスは、UI ビュー内のステップを示します。このボックスを使用して、UI ビュー外にあるデータフローのセクションを表示できます。画面に合わせるアイコン ( ) を使用して、すべてのステップとデータセットを UI ビューに収めます。

左側のナビゲーションバーには、データフローをズームイン ( ) およびズームアウト ( ) し、画面に合わせてデータフローのサイズを変更 () するために使用できるアイコンが含まれています 。画面上の各ステップの位置をロックおよびロック解除する場合は、ロックアイコン ( ) を使用します。

データフローにステップを追加する

任意のデータセットまたは以前に追加したステップの横にある [+] を選択し、次のいずれかのオプションを選択します。

データフローからステップを削除する

ステップを削除するには、ステップを選択し、[Delete] (削除) を選択します。ノードが 1 つの入力を持つノードの場合は、選択したステップのみを削除します。1 つの入力を持つステップを削除しても、そのステップに続くステップは削除されません。ソースノード、結合ノード、連結ノードのステップを削除する場合、それに続くすべてのステップも削除されます。

ステップのスタックからステップを削除するには、スタックを選択し、削除するステップを選択します。

次の手順のいずれかを使用して、ダウンストリームステップを削除せずにステップを削除できます

Delete a step in the Data Wrangler flow

1 つの入力を持つデータフロー内のノードの個々のステップを削除できます。ソースノード、結合ノード、連結ノードのステップを個別に削除することはできません。

Data Wrangler フローのステップを削除するには、次の手順を実行します。

1. 削除するステップを含むステップのグループを選択します。

2. ステップの横にあるアイコンを選択します。

3. [プールの削除] をクリックします。

   

Delete a step in the table view

テーブルビュー内のステップを削除するには、以下の手順を使用します。

1 つの入力を持つデータフロー内のノードの個々のステップを削除できます。ソースノード、結合ノード、連結ノードのステップを個別に削除することはできません。

1. ステップを選択し、そのステップのテーブルビューを開きます。

2. カーソルをステップ上に移動すると、省略記号アイコンが表示されます。

3. ステップの横にあるアイコンを選択します。

4. [削除] を選択します。

   

Data Wrangler フローのステップを編集する

Data Wrangler フローに追加した各ステップを編集できます。ステップを編集することで、列の変換やデータ型を変更できます。ステップを編集して変更を加えることで、より適切な分析を行うことができます。

ステップを編集するには、さまざまな方法があります。例としては、代入方法の変更や、値を外れ値と見なすためのしきい値の変更などがあります。

以下の手順に従って、 データソースを編集します。

次の画像は、ステップの編集の例を示しています。