{"id":1789,"date":"2025-08-06T17:53:22","date_gmt":"2025-08-06T20:53:22","guid":{"rendered":"https:\/\/alisonpezzott.com.br\/?p=1789"},"modified":"2026-01-20T17:54:48","modified_gmt":"2026-01-20T20:54:48","slug":"manipulando-delta-table-em-um-lakehouse-desconectado-do-notebook-usando-python-nao-pyspark-no-microsoft-fabric","status":"publish","type":"post","link":"https:\/\/alisonpezzott.com.br\/en\/manipulando-delta-table-em-um-lakehouse-desconectado-do-notebook-usando-python-nao-pyspark-no-microsoft-fabric\/","title":{"rendered":"Manipulando Delta table em um Lakehouse desconectado do notebook usando Python (n\u00e3o PySpark) no Microsoft Fabric"},"content":{"rendered":"

Neste artigo eu quero mostrar como n\u00f3s podemos manipular uma Delta table usando um notebook do Microsoft Fabric com Python, n\u00e3o PySpark.<\/p>\n\n\n\n

Todos notebooks no Microsoft Fabric iniciam por padr\u00e3o com PySpark, mas nem todos os projetos precisam rodar com PySpark. N\u00f3s podemos rodar com Python puro. <\/p>\n\n\n\n

\"\"
Linguagens dispon\u00edveis nos notebooks no Microsoft Fabric<\/figcaption><\/figure>\n\n\n\n

Analisando a documenta\u00e7\u00e3o no Microsoft Learn, n\u00f3s podemos ver como escolher entre Python e PySpark baseand-se nas recomenda\u00e7\u00f5es de uso. Abaixo, eu trago a matriz de decis\u00e3o r\u00e1pida que resume qual abaordagem \u00e9 mais apropriada. <\/p>\n\n\n\n

\"\"
Matriz de decis\u00e3o r\u00e1pida<\/figcaption><\/figure>\n\n\n\n

Como podemos ver, PySpark \u00e9 melhor para grandes conjuntos de dados e comples cen\u00e1rios onde voc\u00ea pode tirar vantagens da computa\u00e7\u00e3o distribu\u00edda. <\/p>\n\n\n\n

No entanto, em muitos casos de uso do mundo real, os conjuntos de dados s\u00e3o de pequeno a m\u00e9dio porte e podem ser processados de forma eficiente usando Python puro, o que ajuda a otimizar o consumo de Capacity Units e at\u00e9 mesmo evitar poss\u00edveis problemas ao trabalhar com conjuntos de dados muito pequenos.<\/p>\n\n\n\n

Atualmente, percebo que a maioria das discuss\u00f5es sobre notebooks no Microsoft Fabric se concentra fortemente no PySpark, enquanto o Python puro ainda \u00e9 pouco explorado nesse contexto.<\/p>\n\n\n\n

De fato, se voc\u00ea quiser usar Python puro para manipular tabelas Delta em um Lakehouse, ser\u00e1 necess\u00e1rio adotar padr\u00f5es de c\u00f3digo diferentes em compara\u00e7\u00e3o com a abordagem em PySpark.<\/p>\n\n\n\n

Pensando nisso, decidi compartilhar um notebook de exemplo no meu GitHub<\/a> para ajudar voc\u00ea a come\u00e7ar e otimizar seus notebooks no Fabric utilizando Python puro.<\/p>\n\n\n\n

Na se\u00e7\u00e3o a seguir, vou apresentar as principais partes do c\u00f3digo, trazendo insights que voc\u00ea pode adaptar aos seus pr\u00f3prios processos.<\/p>\n\n\n\n

Passos para reprodu\u00e7\u00e3o<\/h4><\/div>\n\n\n\n