Cómo generar código PySpark con Copilot en Fabric

João Barros 06 de July de 2026 4 min de lectura

Copilot en Fabric puede convertir una frase en lenguaje natural en un bloque de código PySpark listo para ejecutarse dentro de un Notebook. Para quien empieza con Spark, esto acelera el trabajo y, al mismo tiempo, ayuda a aprender la sintaxis a través de ejemplos reales. El objetivo de esta guía es claro: generar código PySpark que lee y resume datos de una Lakehouse, usando el panel de Copilot y el comando mágico %%code, con un ejemplo paso a paso.

Requisitos previos

Una capacidad Fabric F2 o superior (o P1 o superior) asignada al workspace.
La opción de inquilino "Users can use Copilot and other features powered by Azure OpenAI" activada; tu administrador de Fabric puede confirmarlo en el portal de administración.
Un Notebook dentro de un workspace con una Lakehouse adjunta y al menos una tabla de ejemplo (aquí usamos una tabla llamada sales).
Conocimientos básicos de Python. No necesitas dominar PySpark para seguir este ejemplo.

Paso 1: Adjuntar la Lakehouse al Notebook

Copilot usa el contexto del Notebook para dar respuestas útiles: el workspace, la Lakehouse adjunta y los esquemas, tablas y archivos disponibles. Por eso, el primer paso es asegurarte de que hay una Lakehouse conectada. En el Notebook, abre el panel Explorer a la izquierda y elige Add Lakehouse para conectar la Lakehouse donde están tus datos.

Este paso importa más de lo que parece: sin una fuente de datos adjunta, Copilot no sabe qué tablas existen y sus sugerencias quedan genéricas y menos precisas.

Paso 2: Abrir el panel de Copilot

En la cinta (ribbon) del Notebook, selecciona el botón Copilot. El panel de conversación se abre en el lado derecho de la pantalla. Aquí es donde escribes peticiones en lenguaje natural y mantienes una conversación de varios pasos, ideal para construir la solución poco a poco.

La primera vez que uses los comandos mágicos (chat-magics), el Notebook puede pedirte que ejecutes una celda de inicialización. Ejecútala una vez y continúa con normalidad.

Paso 3: Describir la tarea en lenguaje natural

En el panel de Copilot, escribe una petición clara y específica. Cuanto más concreta sea — el nombre de la tabla, las columnas y los filtros — mejor será el código generado. Un buen ejemplo de petición es:

Lee la tabla sales de la Lakehouse y calcula
el total de ventas por región.

Copilot responde con un bloque de PySpark que puedes copiar a una celda. Lee siempre el código con atención antes de ejecutarlo: Copilot es un asistente, no un sustituto de tu criterio.

Paso 4: Generar código en línea con %%code

Si prefieres generar código sin salir de la celda, usa el comando mágico %%code. Escribe %%code al principio de una celda, seguido de la petición en lenguaje natural, y ejecuta la celda:

%%code
Carga la tabla sales de la Lakehouse en un DataFrame de Spark
y muestra las primeras 10 filas.

Copilot genera el código PySpark correspondiente, que puedes revisar e insertar en una celda para ejecutarlo. El resultado será parecido a este:

df = spark.read.table("sales")
df.show(10)

Paso 5: Refinar el código con una conversación de seguimiento

Pocas veces el primer resultado es perfecto, y no pasa nada. Como Copilot mantiene el contexto de la conversación, puedes pedir mejoras sin repetirlo todo. Por ejemplo, escribe "agrupa por región y ordena de mayor a menor" y el código se ajusta:

from pyspark.sql.functions import sum, col

summary = (df
    .groupBy("region")
    .agg(sum("amount").alias("total_sales"))
    .orderBy(col("total_sales").desc()))

summary.show()

Verificar el resultado

Ejecuta la celda final y confirma que la salida muestra una fila por región, con el total de ventas ordenado de mayor a menor. Para asegurarte de que los números son correctos, compáralos con una consulta rápida en SparkSQL sobre la misma tabla:

%%sql
SELECT region, SUM(amount) AS total_sales
FROM sales
GROUP BY region
ORDER BY total_sales DESC

Si ambos resultados coinciden, el código generado por Copilot es correcto y puedes confiar en él para el siguiente paso.

Conclusión

Con el panel de Copilot y el comando %%code, has convertido una descripción en lenguaje natural en código PySpark funcional, sin tener que memorizar la sintaxis. Un buen paso siguiente es pedir a Copilot que añada comentarios al código o que explique cada línea: es una forma excelente de aprender mientras trabajas. ¿Qué tarea repetitiva de tu día a día con datos te gustaría automatizar primero con Copilot?