VS Code Data Wrangler使用教程

发表于 2026-04-15 更新于 2026-05-17 分类于工具使用阅读次数：本文字数： 2.9k 阅读时长 ≈ 11 分钟

VS Code Data Wrangler 详细使用教程

Data Wrangler 是微软官方推出的 VS Code 数据清洗工具，它将 Pandas 的强大能力与可视化交互界面结合，让你不用手写代码，点点鼠标就能完成数据清洗，同时自动生成可复用的 Pandas 代码，完美解决 “80% 时间做数据清洗” 的痛点。

一、前置条件与安装

1. 环境要求

Python 3.8+：Data Wrangler 仅支持 3.8 及以上版本的 Python
VS Code：最新稳定版即可
核心依赖：pandas（数据处理）、jupyter（内核支持）

2. 安装插件

打开 VS Code 扩展商店（左侧图标，或 Ctrl+Shift+X）
搜索 Data Wrangler，选择微软官方发布的插件（ID: ms-toolsai.data-wrangler）
点击「Install」安装，安装完成后重启 VS Code

3. 依赖安装

首次启动 Data Wrangler 时，它会自动检查并尝试安装 pandas 等依赖。如果自动安装失败，手动在终端执行：

1 2	pip install pandas jupyter

二、启动 Data Wrangler 的两种方式

Data Wrangler 所有操作都在沙箱环境中运行，原始数据不会被修改，直到你手动导出更改，非常安全。

方式 1：从 Jupyter Notebook 启动（最常用）

如果你已经在 Notebook 中加载了数据，这是最方便的方式，支持后续导出代码到 Notebook。

三种启动入口：

单元格输出按钮
运行输出 DataFrame 的代码（比如 df.head()、display(df)、甚至直接 df），运行完成后，单元格输出底部会出现蓝色按钮：Open 'df' in Data Wrangler，点击即可启动。
1
2
3
4
5
6

import pandas as pd
# 加载你的数据
df = pd.read_csv("sales_data.csv")
# 运行这行，触发输出按钮
df.head()
变量面板
打开 Jupyter 的「Variables」变量面板，找到你的 DataFrame 变量，点击变量右侧的 📊 图标，即可直接打开。
工具栏按钮
点击 Notebook 顶部工具栏的「View data」，会弹出当前 Notebook 中所有 DataFrame 的列表，选择你要处理的变量即可。

方式 2：直接从本地文件启动

无需写任何代码，直接打开本地数据文件，适合快速预览和处理文件。

支持的文件类型：.csv/.tsv/.xls/.xlsx/.parquet

操作步骤：

在 VS Code 左侧文件资源管理器中，找到你的数据文件
右键点击文件，选择 Open in Data Wrangler
如果是 CSV 文件，还可以自定义分隔符；如果是 Excel 文件，可以选择要加载的 Sheet

注意：如果打开文件遇到 UnicodeDecodeError，说明文件编码不是 UTF-8，建议改用 Notebook 方式加载，手动指定编码：
1
2
df = pd.read_csv("your_file.csv", encoding="gbk") # 根据实际编码调整

三、界面详解：两种工作模式

Data Wrangler 有两种工作模式，默认是查看模式，切换到编辑模式才能进行数据转换和代码生成。

1. 查看模式（Viewing Mode）

适合快速探索数据，查看分布、筛选排序，不会修改数据。

区域	功能说明
📊 数据摘要（Data Summary）	左侧面板，显示整个数据集的统计：行数、列数、每列的缺失值数量
📈 快速洞察（Quick Insights）	列标题下方，自动显示每列的分布直方图、缺失值比例、唯一值数量，一眼就能看出数据问题
📋 数据网格（Data Grid）	中间的表格，可滚动查看所有数据，支持排序、筛选
🔍 筛选排序	点击列标题的下拉箭头，可快速按条件筛选行、排序

2. 编辑模式（Editing Mode）

点击右上角的「Editing」下拉，切换到编辑模式，解锁所有数据清洗功能，自动生成 Pandas 代码。

区域	功能说明
⚙️ 操作面板（Operations）	左侧面板，所有内置的清洗操作都在这里，可搜索，按分类整理
📝 清理步骤（Cleaning Steps）	记录你所有的操作步骤，支持撤销某一步、修改最近的操作，可回溯
👀 数据 Diff 视图	当你应用操作时，表格中会高亮显示修改过的单元格，一目了然
💻 代码预览（Code Preview）	右下角，实时显示当前操作对应的 Pandas 代码，你甚至可以直接编辑代码，表格会同步更新效果
📤 导出菜单	顶部工具栏，处理完成后，导出代码或数据

四、常用数据清洗操作（附自动生成代码）

以下是最常用的 10 个数据清洗操作，每个操作都有详细步骤和生成的代码示例，你可以直接跟着操作。

1. 快速查看缺失值

打开数据摘要面板，就能看到每列的缺失值数量，点击列标题的直方图，还能看到缺失值的分布。

快捷键：按住 Alt 点击列标题，快速打开该列的详细分布统计。

2. 筛选行（Filter Rows）

快速过滤出你需要的数据，比如只保留 2024 年的销售数据。

点击列标题的下拉箭头，选择「Filter rows」
设置条件，比如 date >= 2024-01-01
点击「Apply」应用

自动生成的代码：

1
2
3


# 筛选日期大于2024-01-01的行
df = df[df['date'] >= pd.Timestamp('2024-01-01')]

3. 处理缺失值

缺失值是数据清洗最常见的问题，Data Wrangler 提供两种处理方式：

方式 1：删除包含缺失值的行

在左侧操作面板，找到「Drop missing values」
选择要检查的列，或者所有列
应用即可

生成代码：

1
2
3


# 删除price列有缺失值的行
df = df.dropna(subset=['price'])

方式 2：填充缺失值

用均值、中位数或者自定义值填充空值，比如用价格的中位数填充空值。

右键点击有缺失值的列，选择「Handle Missing Values」
选择填充方式：Mean (均值)、Median (中位数)、Custom (自定义值)
应用

生成代码：

1
2
3


# 用price列的中位数填充缺失值
df['price'] = df['price'].fillna(df['price'].median())

4. 删除重复行

快速去重，比如删除用户 ID 重复的行。

操作面板搜索「Drop duplicate rows」
选择去重依据的列（比如用户 ID）
应用

生成代码：

1
2
3


# 按user_id列去重
df = df.drop_duplicates(subset=['user_id'], keep='first')

5. 转换列类型

经常遇到日期列被识别为字符串、数值列带单位的问题，一键转换类型。

点击列标题旁的类型标识（比如 abc 代表字符串）
选择目标类型：Number (数字)、Date (日期)、Boolean (布尔)
系统会自动处理格式，有异常值会提示

生成代码：


# 将date列从字符串转成日期类型
df['date'] = pd.to_datetime(df['date'])
# 将price列转成数值类型
df['price'] = pd.to_numeric(df['price'])

6. 文本格式处理

针对文本列的批量标准化，比如统一大小写、去除空格。

去除首尾空格

操作面板 → Format → Strip whitespace
选择要处理的列
应用

生成代码：

1
2
3


# 去除city列的首尾空格
df['city'] = df['city'].str.strip()

统一大小写

比如把城市名统一为首字母大写：

操作面板 → Format → Capitalize first character
选择列，应用

生成代码：

1 2	df['city'] = df['city'].str.capitalize()

拆分文本列

比如把 “北京,朝阳区” 拆成两个列：

操作面板 → Format → Split text
选择分隔符（比如逗号）
自动生成新列

7. 分组聚合

按某列分组，统计聚合值，比如按城市统计平均销售额。

操作面板 → Group by column and aggregate
选择分组列（比如 city）
选择要聚合的列和方式：比如 sales 列，mean (平均值)
应用

生成代码：

1
2
3


# 按city分组，计算sales的平均值
df_grouped = df.groupby('city')['sales'].mean().reset_index()

8. 添加新列（公式计算）

比如用单价和数量计算总价：

操作面板 → Formulas → Create column from formula
输入公式：price * quantity
输入新列名：total_price
应用

生成代码：

1
2
3


# 新增总价列
df['total_price'] = df['price'] * df['quantity']

9. 列管理：重命名、删除、选择

重命名列：右键列标题 → Rename，输入新名称
删除列：右键列标题 → Drop column
选择保留列：操作面板 → Schema → Select columns，勾选要保留的列，删除其他

10. 一键标准化：By Example

如果你有复杂的格式转换，比如日期格式从 2024/01/01 转成 2024-01-01，不用写正则，用「By Example」功能：

操作面板 → DateTime formatting by example
输入一两个转换后的示例，系统会自动识别模式，批量应用到所有行

五、导出结果：保存你的工作

处理完成后，有三种方式导出你的工作：

1. 导出代码到 Notebook

如果你是从 Notebook 启动的，点击顶部的「Export to notebook」，会自动在你的 Notebook 中插入一个新单元格，包含所有清洗步骤的完整代码，下次直接运行就能复现整个流程。

2. 导出处理后的数据文件

点击「Export as file」，可以把清洗后的数据保存为新的 CSV、Parquet 等文件，覆盖原文件或者另存为新文件。

3. 复制所有代码

点击「Copy all code」，把所有生成的 Pandas 代码复制到剪贴板，你可以粘贴到你的 Python 脚本中复用。

六、进阶技巧

1. 多表对比

同时打开两个 DataFrame，用 VS Code 的分栏功能并排显示，快速对比两个表的差异。

2. 自定义配置

打开 VS Code 设置（Ctrl+,），搜索 dataWrangler，可以自定义：

默认缺失值填充策略
预览最大行数（默认 1000，大文件可以调大）
代码生成风格

3. 处理超大数据集

对于超过内存的大数据集，可以配合 Dask 使用：


import dask.dataframe as dd
ddf = dd.read_csv("large_data.csv")
# 采样后打开Data Wrangler，操作会自动适配Dask
ddf.sample(10000).compute()

4. 快速找列

如果你的表有几十上百列，点击顶部的「Go to column」，搜索列名就能快速定位。

七、常见问题排查

1. 为什么没有「Open in Data Wrangler」按钮？

检查 Python 版本是否 ≥3.8
检查变量是不是 Pandas DataFrame，Numpy 数组、列表不支持
检查当前 Python 环境是否安装了 pandas
重启 VS Code 和 Jupyter 内核

2. 打开文件报错 UnicodeDecodeError？

文件编码不是 UTF-8，改用 Notebook 方式加载，手动指定编码：

1 2	df = pd.read_csv("your_file.csv", encoding="gbk") # 常见的中文编码是gbk

3. 内核连接失败？

打开命令面板（Ctrl+Shift+P），运行 Data Wrangler: Clear cached runtime，清除缓存后重新启动。

4. 操作错了怎么撤销？

在左侧「Cleaning Steps」面板，点击你要撤销的步骤，或者直接点击步骤旁的删除按钮，支持回滚到任意一步。

八、完整实战案例：销售数据清洗

我们用一个销售数据的例子，走一遍完整流程：

右键 sales.csv → Open in Data Wrangler
切换到编辑模式
处理缺失值：用 median 填充 price 列的空值
去重：按 order_id 删除重复订单
转换类型：把 date 列转成日期类型
筛选：只保留 2024 年的订单
添加新列：计算总价 price * quantity
导出：把代码复制到你的 Python 脚本中

整个过程只需要 1 分钟，不用写一行代码，就能得到可复用的清洗代码，效率提升 300%！

Data Wrangler 不是要替代 Pandas，而是帮你降低数据清洗的门槛，同时让你通过可视化操作学习 Pandas 代码，非常适合新手和需要快速处理数据的分析师。希望这份教程能帮你快速上手！