DataSpell 2024.1: Complementação de código de linha inteira, capacidade de consultar data frames via células SQL, células Import Data, melhorias no suporte para dbt
Nossa equipe de ML aprimorou o modelo local que possibilita a complementação de código de linha inteira assistido por ML para Python, resultando em sugestões mais longas considerando mais contexto, sem enviar dados para a Internet e de maneira totalmente gratuita.
No DataSpell 2024.1, agora você pode escrever SQL para consultar data frames e arquivos CSV diretamente em seus notebooks Jupyter. Introduzimos células Import Data, um novo tipo de célula no DataSpell. Você pode facilmente começar a trabalhar com dados tabulares soltando um arquivo nelas.
A atualização mais recente melhora significativamente o suporte ao dbt Core. Agora, você pode visualizar gráficos diretamente no DataSpell. Melhoramos a complementação de código para projetos dbt Core e, agora, você pode executar, visualizar e testar modelos facilmente, direto do arquivo SQL.
Faça download da nova versão do DataSpell em nosso site, atualize diretamente do IDE ou por meio do nosso Toolbox App ou use snap packs para Ubuntu.
Nossa equipe de ML melhorou significativamente o modelo local que possibilita a complementação de código de linha inteira assistido por ML para Python. A complementação de código de linha inteira gera sugestões mais longas e considera um contexto mais amplo, resultando em melhores sugestões e menos digitação. Como um modelo puramente local, ele oferece sugestões de código, propondo linhas inteiras de código, sem enviar dados a um servidor externo.
No DataSpell 2024.1, você pode escrever SQL para consultar data frames e arquivos CSV diretamente do seu notebook Jupyter. Para fazer isso, crie uma célula SQL, selecione um data frame como fonte de dados e, em seguida, escreva uma consulta, aproveitando a melhor assistência de codificação SQL da categoria.
Células Import Data são outro novo recurso dos notebooks Jupyter no DataSpell 2024.1. Basta soltar um arquivo com dados tabulares em uma célula Import Data e começar a trabalhar com ele usando controles visuais ou código Python.
A versão mais recente introduz várias atualizações para o suporte existente ao dbt:
DAGs são ferramentas poderosas no kit de ferramentas dos engenheiros analíticos e, com este lançamento, você pode visualizar os gráficos diretamente no DataSpell. A navegação também ficou ainda mais fácil: basta clicar nos nós do DAG.
A complementação de código para projetos do dbt Core foi bastante aprimorada, com atualizações na complementação para Jinja, nomes de modelos, nomes de colunas, arquivos YAML e muito mais.
Agora, você pode executar, visualizar e testar facilmente qualquer modelo diretamente do arquivo SQL. Basta clicar na medianiz e escolher entre as opções disponíveis.
Esperamos que você goste dos novos recursos! Quer se manter em dia sobre os recursos mais recentes e receber dicas sobre o DataSpell e análise de dados? Assine nosso blog e siga-nos no X (o antigo Twitter)! Se você se deparar com um bug ou tiver uma sugestão de recurso, compartilhe em nosso rastreador de issues.