在笔记本中运用Python经验

Python笔记本是在Fabric笔记本基础上构建的新体验。它是一款多功能且互动的工具，专为数据分析、可视化和机器学习设计。它提供了一种用于编写和执行 Python 代码的无缝开发体验。此功能使它成为数据科学家、分析师和 BI 开发人员的重要工具，尤其是对于不需要大数据和分布式计算的探索任务。

使用Python笔记本，你可以获得：

多个内置 Python 内核：Python 笔记本提供了一个纯 Python 编程环境，无需 Spark，内置三个 Python 内核版本：Python 3.10、Python 3.11 和 Python 3.12。该环境支持原生IPython功能，如iPyWidget和magic命令。
经济高效：新的 Python 笔记本默认在具有 2vCores/16GB 内存的单个节点群集上运行可提供节省成本的优势。此设置可确保在数据较小的情况下，数据探索项目能够高效利用资源。
Lakehouse 和资源原生可用：Fabric lakehouse 以及笔记本内置资源的完整功能都可在 Python 笔记本中实现。这个功能让用户可以轻松地将数据导入 Python 笔记本，只需尝试拖拽即可获取代码片段。
与 T-SQL 混合编程：Python notebook 提供了与资源管理器中 Data Warehouse 和 SQL 分析端点交互的便捷方式。通过使用 notebookutils data connector，你可以在 Python 上下文下轻松执行 T-SQL 脚本。
支持流行数据分析库：Python笔记本预装了DuckDB、Polars和Scikit-learn等库，提供全面的数据处理、分析和机器学习工具包。
高级 IntelliSense：Python 笔记本采用 Pylance 作为 IntelliSense 引擎，并与其他 Fabric 定制语言服务一起，旨在为笔记本开发者提供最先进的编程体验。
NotebookUtils 和 Semantic Link：强大的 API 工具包帮助你以代码优先的方式轻松使用 Fabric 和 Power BI 功能。
丰富的可视化功能：除了流行的丰富数据帧预览“表格”功能和“图表”功能外，它还支持Matplotlib、Seaborn和Plotly等流行的可视化库。 PowerBIClient 也支持这些库，以帮助用户更好地了解数据模式和见解。
Fabric笔记本的通用功能：所有笔记本级别的功能自然适用于Python笔记本，如编辑功能、自动保存、协作、共享与权限管理、Git集成、导入导出等。
全堆栈数据科学功能：高级低代码工具包数据整理器、机器学习框架 MLFlow 和功能强大的 Copilot 均在 Python 笔记本上提供。

如何访问 Python 笔记本

在 Fabric 中打开笔记本后，你可以在主页标签的语言下拉菜单切换到 Python，并将整个笔记本设置转换为 Python。

大多数常见功能在笔记本层面都支持。想了解更多，请参见《如何使用 Fabric 笔记本》和《开发、执行和管理 Fabric 笔记本》。本文列出了一些针对 Python 场景的关键能力。

运行 Python 笔记本

Python笔记本支持多种作业执行方法：

交互式运行：可以像本机 Jupyter 笔记本一样以交互方式运行 Python 笔记本。
计划运行：你可以在笔记本设置页面使用轻量级计划程序功能，将 Python 笔记本作为批处理作业运行。
管道运行：可以将 Python 笔记本编排为管道中的笔记本任务。该进程在作业执行后生成快照。
引用运行：可以使用 notebookutils.notebook.run() 或 notebookutils.notebook.runMultiple() 引用另一个 Python 笔记本中的运行 Python 笔记本作为批处理作业。该进程在参考运行结束后生成快照。
%run：你可以用它 %run 在同一执行上下文中引用和执行其他笔记本，这样你可以直接调用函数并重用那些笔记本中定义的变量。有关更多详细信息，请参阅有关如何引用运行笔记本的文档。
公共 API 运行：您可以使用笔记本运行公共 API 来计划您的 Python 笔记本的执行。作业调度程序 API 支持参数化运行，并返回笔记本执行的退出值。在自动化和 CI/CD 场景中管理 Python 笔记本时，可以使用退出值来进行条件编排和传达结果。确保正确设置公共 API 负载中的笔记本元数据的语言和内核属性。通过公共 API 传递的参数值可以使用 Fabric 笔记本中使用的标准参数访问模式在运行时提供给 Python 笔记本。有关参数的请求形状和退出值检索的详细信息，请参阅使用 API 在 Fabric 中管理和执行笔记本。可以通过作业计划程序 API 监控运行状态和取消作业实例，从而增强用户界面（UI）中的 \查看所有运行\ 体验。

Note

项目 REST API（笔记本的 CRUD）和作业调度 API（执行）支持服务主体身份验证，从而能够为 Python 笔记本提供安全的无人参与自动化和 CI/CD。将服务主体添加到工作区，并赋予适当的角色，以便于使用这些 API。

可以在功能区选项卡 “运行 ->查看所有运行”上查看 Python 笔记本作业的运行详细信息。

Note

目前，只%run支持引用Python笔记本上的笔记本项目，不支持笔记本资源文件夹中的代码模块（如.py文件）。

数据交互

你可以与 Lakehouse、仓库、SQL 分析端点以及 Python 笔记本中的内置资源文件夹进行交互。

Note

Python笔记本运行时预装了delta-rs和duckdb库，支持读写Delta Lake数据。不过，Delta Lake的一些功能可能未被完全支持。欲了解更多细节和最新更新，请参见 delta-rs 和 DuckDB 文档。

Lakehouse 交互

你可以设置一个湖屋作为默认，或者添加多个湖屋来探索并在笔记本中使用。

如果你不熟悉读取数据对象，比如 Delta表，可以试着拖拽文件和Delta表到笔记本画布，或者使用对象下拉菜单中的 加载数据 选项。笔记本会自动将代码片段插入代码单元格，并生成用于读取目标数据对象的代码。

Note

如果你在加载大量数据时遇到OOM，可以尝试用DuckDB、Polars或PyArrow数据帧代替pandas。

你可以在浏览代码片段>——将数据写入 Delta 表中找到写 lakehouse 操作。

显示 write lakehouse 操作的

仓库交互和将编程与 T-SQL 相结合

你可以从笔记本的仓库浏览器中添加仓库或SQL分析端点。同样，你可以将表格拖放到笔记本的画布上，或者使用表格下拉菜单中的快捷操作。笔记本会自动为你生成一段代码片段。可以使用 notebookutils.data 实用工具与仓库建立连接，并在Python上下文中使用 T-SQL 语句查询数据。

Note

SQL 分析终结点是只读的。

笔记本资源文件夹

Notebook 资源内置的 resources 文件夹在 Python 笔记本上是原生可用的。你可以像操作本地文件系统一样，使用 Python 代码轻松与内置资源文件夹里的文件交互。目前，环境资源文件夹不被支持。

内核操作

Python笔记本支持三个内置内核：Python 3.10、Python 3.11和Python 3.12。默认选择的内核是 Python 3.12。你可以很容易地在它们之间切换。

你可以在功能区的开始选项卡上中断、重启或切换内核。在 Python 笔记本中中断内核，就像在 Spark 笔记本中取消单元一样。

显示内核操作的

异常的内核退出会导致代码执行中断并丢失变量，但不会停止笔记本会话。

有些命令可能导致内核死亡。例如，quit（） 和 exit（）

关于每个 Python 内核版本的支持生命周期，包括支持终止日期和迁移步骤，请参见 Python 笔记本运行时和 Fabric 中的内核生命周期。

库管理

使用 %pip 和 %conda 命令进行内联安装。这些命令既支持公共库，也支持自定义库。

对于自定义库，将库文件上传到 内置资源 文件夹。该平台支持多种类型的库，包括 Wheel（.whl）、JAR（.jar）、DLL（.dll）和 Python（.py）等格式。只需拖拽文件，代码片段会自动生成。

你可能需要重启内核才能使用更新后的包。

为了更好地理解和使用类似命令，请参考下表。

Command/Syntax	主要用途	它在 Jupyter Notebook 中的工作原理	典型用例	Notes
`%pip install package`	安装 Python 包	在笔记本的Python内核中运行 pip	安装包的建议方法	在 Python 笔记本中，和 ; `!pip`一样，不会自动重启内核
`!pip install package`	通过 shell 安装 Python 包	以 shell 命令的形式运行 pip	安装包的替代方法	在 Python 笔记本中，和 ; `%pip`一样，不会自动重启内核
`import sys; sys.exit(0)`	重启笔记本内核	立即重启内核	以编程方式重启内核	清除所有变量和状态; 不建议直接使用
`notebookutils.session.restartPython()`	重启笔记本内核	内部调用`sys.exit(0)`	重启内核的建议方法	与直接使用 `sys.exit(0)` 相比，官方 API 更安全和更兼容

Note

在 Python 笔记本中，%pip和!pip它们的行为是一样的：两者都将包安装到当前内核的环境中，且安装后都不会自动重启内核。
如果你需要重启内核（例如安装某些包后），请用 notebookutils.session.restartPython() 代替 import sys; sys.exit(0)。
- notebookutils.session.restartPython() 是一个封装了 sys.exit(0) 的官方 API，并且在笔记本环境中更安全、兼容性更好。
除非必要，不要直接使用 sys.exit(0) 。

Python 笔记本实时资源使用情况监视

重要

此功能目前为预览版。

通过使用资源监控窗格，你可以直接在笔记本内跟踪关键运行时信息，如会话时长、计算类型和实时资源指标，包括CPU和内存消耗。此功能提供您当前会话及其所用资源的立即概览。

资源监视器可提高 Python 工作负载利用系统资源的可见性。它有助于优化性能、管理成本并降低内存不足（OOM）错误的风险。通过实时监视指标，可以识别资源密集型作、分析使用模式，以及做出有关缩放或修改代码的明智决策。

若要开始使用它，请将笔记本语言设置为 Python 并启动会话。然后，可以通过单击笔记本状态栏中的计算资源或从工具栏中选择 “查看资源使用情况 ”来打开监视器。资源监控窗格会自动出现，为 Fabric 笔记本中的 Python 代码提供集成的监控体验。

会话配置魔术命令

类似于在笔记本中个性化 Spark 会话配置，你也可以在 Python 笔记本中使用 %%configure。 Python笔记本支持自定义计算节点大小、挂载点和笔记本会话的默认湖屋。你可以在交互式笔记本和管道笔记本活动中使用这些设置。请使用笔记本开头的 %%configure 命令，否则必须重启笔记本会话才能让设置生效。

下面是 Python 笔记本%%configure中支持的属性：

%%configure -f
{
    "vCores": 4, // Recommended values: [4, 8, 16, 32, 64], Fabric will allocate matched memory according to the specified vCores.
    "defaultLakehouse": {  
        // Will overwrites the default lakehouse for current session
        "name": "<lakehouse-name>",
        "id": "<(optional) lakehouse-id>",
        "workspaceId": "<(optional) workspace-id-that-contains-the-lakehouse>" // Add workspace ID if it's from another workspace
    },
    "mountPoints": [
        {
            "mountPoint": "/myMountPoint",
            "source": "abfs[s]://<file_system>@<account_name>.dfs.core.windows.net/<path>"
        },
        {
            "mountPoint": "/myMountPoint1",
            "source": "abfs[s]://<file_system>@<account_name>.dfs.core.windows.net/<path1>"
        },
    ],
}

你可以在笔记本状态栏上查看计算资源的更新情况，实时监控计算节点的CPU和内存使用情况。

Note

API 触发的运行遵循会话配置，例如计算 vCore，并通过 defaultLakehouse 笔记本元数据 %%configure指定。作业调度器 API 还支持在运行时选择目标湖屋和环境。有关有效负载字段的详细信息，请参阅使用 API 在 Fabric 中管理和执行笔记本。

NotebookUtils

Notebook Utilities（NotebookUtils）是一个内置包，帮助你轻松执行 Fabric Notebook 中的常见任务。它预装在 Python 运行时。使用 NotebookUtils 处理文件系统，获取环境变量，串联笔记本，访问外部存储，并处理秘密。

用 notebookutils.help() 来列出可用的API，并获得方法方面的帮助。更多信息请参见 NotebookUtils文档。

数据实用工具

Note

此功能目前为预览版。

用 notebookutils.data 工具连接数据源。然后，你可以通过 T-SQL 语句读取和查询数据。

运行以下命令以概要了解可用的方法：

notebookutils.data.help()

Output:

Help on module notebookutils.data in notebookutils:

NAME
    notebookutils.data - Utility for read/query data from connected data sources in Fabric

FUNCTIONS
    connect_to_artifact(artifact: str, workspace: str = '', artifact_type: str = '', **kwargs)
        Establishes and returns an ODBC connection to a specified artifact within a workspace 
        for subsequent data queries using T-SQL.
        
        :param artifact: The name or ID of the artifact to connect to.
        :param workspace:  Optional; The workspace in which the provided artifact is located, if not provided,
                             use the workspace where the current notebook is located.
        :param artifactType: Optional; The type of the artifact, Currently supported type are Lakehouse, Warehouse and MirroredDatabase. 
                                If not provided, the method will try to determine the type automatically.
        :param **kwargs Optional: Additional optional configuration. Supported keys include:
            - tds_endpoint : Allow user to specify a custom TDS endpoint to use for connection.
        :return: A connection object to the specified artifact.
        
        :raises UnsupportedArtifactException: If the specified artifact type is not supported to connect.
        :raises ArtifactNotFoundException: If the specified artifact is not found within the workspace.
        
        Examples:
            sql_query = "SELECT DB_NAME()"
            with notebookutils.data.connect_to_artifact("ARTIFACT_NAME_OR_ID", "WORKSPACE_ID", "ARTIFACT_TYPE") as conn:
                df = conn.query(sql_query)
                display(df)
    
    help(method_name: str = '') -> None
        Provides help for the notebookutils.data module or the specified method.
        
        Examples:
        notebookutils.data.help()
        notebookutils.data.help("connect_to_artifact")
        :param method_name: The name of the method to get help with.

DATA
    __all__ = ['help', 'connect_to_artifact']

FILE
    /home/trusted-service-user/jupyter-env/python3.10/lib/python3.10/site-packages/notebookutils/data.py

从湖屋查询数据

conn = notebookutils.data.connect_to_artifact("lakehouse_name_or_id", "optional_workspace_id", "optional_lakehouse_type")
df = conn.query("SELECT * FROM sys.schemas;")

从仓库查询数据

conn = notebookutils.data.connect_to_artifact("warehouse_name_or_id", "optional_workspace_id", "optional_warehouse_type")
df = conn.query("SELECT * FROM sys.schemas;")

从 SQL 数据库查询数据

conn = notebookutils.data.connect_to_artifact("sqldb_name_or_id", "optional_workspace_id", "optional_sqldatabase_type") 
df = conn.query("SELECT * FROM sys.schemas;")

Note

NotebookUtils 中的数据工具目前仅在 Python 笔记本上可用。

浏览代码片段

你可以在编辑标签页选择“浏览代码片段”找到有用的 Python 代码片段。现在已经有新的 Python 样本可用。要开始探索笔记本，可以从Python代码片段中学习。

语义链接

语义链接是一个功能，你可以用来连接语义模型和Synapse数据科学。 Python笔记本原生支持此功能。 BI工程师和Power BI开发者可以使用语义链接轻松连接和管理语义模型。欲了解更多信息，请参阅公开文档。

Visualization

除了使用库绘制图表之外，内置可视化函数还允许将数据帧转换为格式丰富的数据可视化效果。在数据帧上使用 display（） 函数生成丰富的数据帧表视图和图表视图。

Note

Python笔记本会持久化图表配置。重运行代码单元后，如果目标数据帧模式没有变化，保存的图表依然存在。

代码 IntelliSense

Python笔记本也使用Pylance作为语言服务器。更多信息请参见“用Pylance增强Python开发”。

数据科学功能

想了解更多关于 Fabric 中的数据科学和 AI 体验，请参阅 Fabric 中的数据科学文档。本文列出了Python笔记本原生支持的一些关键数据科学特性。

Data Wrangler：Data Wrangler 是一款基于笔记本的工具，提供沉浸式的探索性数据分析界面。此功能将网格式数据显示与动态摘要统计信息、内置可视化效果和常见数据清理操作库相结合。它提供数据清理、数据转换和集成，通过使用 Data Wrangler 加快数据准备。
MLflow：机器学习试验是所有相关机器学习运行的组织和控制的主要单元。一个运行对应模型代码的一次执行。
Fabric 自动日志：Synapse 数据科学包含自动日志，显著减少了在训练过程中自动记录机器学习模型参数、指标和项目所需的代码量。

自动日志记录扩展了 MLflow 跟踪功能。自动日志记录可以捕获各种指标，包括准确性、损失、F1 分数，以及定义的自定义指标。使用自动日志记录，开发人员和数据科学家可以轻松跟踪和比较不同模型和试验的性能，而无需手动跟踪。
Copilot：用于数据工程和数据科学笔记本的 Copilot 是一个 AI 助手，可帮助你分析和可视化数据。 Copilot 可立即了解上下文，无需启动会话。它了解工作区、附加的 Lakehouse 架构、表和文件、笔记本结构和运行时状态，并且可以在整个笔记本工作流中运行。

Copilot 支持笔记本范围的多步功能：它可以生成、重构、总结并验证 Python 笔记本中多个单元和步骤的代码。可以在笔记本中使用 Copilot 聊天面板和聊天命令，如/fix。

当单元格失败时，使用 Copilot 修复 会呈现错误摘要、根本原因的分析和推荐的修复措施，并在显示批准差异后可以选择自动应用代码更改。你还可以在 Copilot 聊天中使用 /fix 命令，对特定单元格或整个笔记本进行有针对性的诊断。

已知的限制

并不保证每次运行 Python 笔记本时都能获得实时池体验。如果笔记本运行没有进入实时池，游戏开始时间可能长达三分钟。随着Python笔记本使用率的增长，智能池化方法逐步增加活池分配以满足需求。
Python笔记本无法实现环境集成。
无法设置会话超时。
Copilot 改进了针对 Python 笔记本的上下文感知和辅助功能，但有时可能会建议一些在 Python 笔记本中不能直接执行的 Spark 代码。 Copilot 功能中的修复机制适用于 Python 单元格失败的情况, 而 Spark 作业诊断不适用于纯 Python 运行。
目前，Python笔记本上的Copilot在多个地区尚未得到全面支持。部署过程仍在进行中。敬请关注，支持将陆续扩展到更多地区。

反馈

此页面是否有帮助？

Last updated on 2026-08-05

在笔记本中运用Python经验

如何访问 Python 笔记本

运行 Python 笔记本

数据交互

Lakehouse 交互

仓库交互和将编程与 T-SQL 相结合

笔记本资源文件夹

内核操作

库管理

Python 笔记本实时资源使用情况监视

会话配置魔术命令

NotebookUtils

数据实用工具

从湖屋查询数据

从仓库查询数据

从 SQL 数据库查询数据

浏览代码片段

语义链接

Visualization

代码 IntelliSense

数据科学功能

已知的限制

相关内容

反馈

其他资源