本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 使用 Amazon A SageMaker I Data Wrangler 准备和导入批量数据
<a name="preparing-importing-with-data-wrangler"></a>

**重要**  
使用 Data Wrangler 时，会产生 AI 成本。 SageMaker 有关费用和价格的完整列表，请参阅 A [mazon A SageMaker I](https://www.amazonaws.cn/sagemaker/pricing/) 定价的 Data Wrangler 选项卡。为避免产生额外费用，请在完成操作后关闭您的 Data Wrangler 实例。有关更多信息，请参阅[关闭 Data Wrangler](https://docs.amazonaws.cn/sagemaker/latest/dg/data-wrangler-shut-down.html)。

创建数据集组后，您可以使用 Amazon A SageMaker I Data Wrangler（Data Wrangler）将来自 40 多个来源的数据导入到 Amazon Personalize 数据集中。Data Wrangler 是 Amazon A SageMaker I Studio Classic 的一项功能，它提供了导入、准备、转换和分析数据的 end-to-end解决方案。您不能使用 Data Wrangler 来准备数据并将其导入操作数据集或操作交互数据集。

 使用 Data Wrangler 准备和导入数据时，您使用的是数据流。*数据流* 定义了一系列机器学习数据准备步骤，从导入数据开始。每次您向流添加步骤时，Data Wrangler 都会对您的数据执行操作，例如转换数据或生成可视化。

以下是您可以添加到流中用于为 Amazon Personalize 准备数据的一些步骤：
+ **见解：** 您可以将 Amazon Personalize 特定见解步骤添加到您的流中。这些见解有助于您了解数据及可采取哪些操作来改善数据。
+ **可视化：** 您可以添加可视化步骤来生成直方图和散点图等图表。图表可以帮助您发现数据中的问题，例如异常值或缺失值。
+ **转换：** 您可以使用特定于 Amazon Personalize 的一般转换步骤来确保您的数据符合 Amazon Personalize 要求。Amazon Personalize 转换可帮助您将数据列映射到所需的列，具体取决于 Amazon Personalize 数据集类型。

如果您需要在将数据导入 Amazon Personalize 之前退出 Data Wrangler，则可以在[从 Amazon Personalize 控制台启动 Data Wrangler](dw-launch-dw-from-personalize.md) 时选择相同的数据集类型，返回您之前离开的位置。或者你可以直接通过 SageMaker AI Studio Classic 访问 Data Wrangler。

 我们建议您将数据从 Data Wrangler 导入到 Amazon Personalize，如下所示。转换、可视化和分析步骤是可选、可重复的步骤，且可以按任何顺序完成。

1. **[设置权限](dw-data-prep-minimum-permissions.md)**-为 Amazon Personalize 和 SageMaker AI 服务角色设置权限。而且，为您的用户设置权限。

1. **[从 Amazon Personalize 控制台在 SageMaker AI Studio Classic 中启动 Data Wrangler](dw-launch-dw-from-personalize.md)** — 使用亚马逊个性化控制台配置 A SageMaker I 域并在 AI Studio Classic 中 SageMaker 启动 Data Wrangler。

1. **[将您的数据导入 Data Wrangler](dw-import-data.md)** - 将来自 40 多个源的数据导入 Data Wrangler。来源包括诸如亚马逊 Redshift、亚马逊 EMR 或亚马逊 Athena 之类的 Amazon 服务，以及第三方，例如 Snowflake 或。 DataBricks

1. **[转换您的数据](dw-transform-data.md)** - 使用 Data Wrangler 转换您的数据，以满足 Amazon Personalize 要求。

1. **[可视化和分析您的数据](dw-analyze-data.md)** - 使用 Data Wrangler 可视化您的数据，并通过 Amazon Personalize 特定见解对其进行分析。

1. **[处理数据并将其导入 Amazon Personalize — 使用 A SageMaker I Studio Classic Jupyter 笔记本将处理过的数据导入亚马逊个性化](dw-export-data.md)**。

## 附加信息
<a name="dw-additional-info"></a>

以下资源提供了有关使用亚马逊 A SageMaker I Data Wrangler 和 Amazon Personalize 的更多信息。
+ 有关指导您处理和转换示例数据集的教程，请参阅 A *ma SageMaker * zon AI 开发者指南[中的演示：Data Wrangler Titanic 数据集演练](https://docs.amazonaws.cn/sagemaker/latest/dg/data-wrangler-getting-started.html#data-wrangler-getting-started-demo)。本教程介绍了 Data Wrangler 的字段和函数。
+ 有关注册亚马逊 A SageMaker I 域的信息，请参阅《亚马逊 AI *开发者指南》中的 “快速加入亚马逊 A SageMaker SageMaker I* [域名](https://docs.amazonaws.cn/sagemaker/latest/dg/onboard-quick-start.html)”。
+ 有关 Amazon Personalize 数据要求的信息，请参阅[为 Amazon Personalize 准备训练数据](preparing-training-data.md)。