Como carregar um CSV para uma tabela no Lakehouse
Ter os dados num ficheiro CSV é o ponto de partida mais comum em qualquer projeto de dados, mas para os analisar com SQL ou Power BI é preciso primeiro transformá-los numa tabela. Carregar um CSV para uma tabela no Lakehouse do Microsoft Fabric resolve exatamente isso: em poucos cliques ficas com uma tabela Delta pronta a consultar, sem escrever uma única linha de código. O processo é rápido e o exemplo abaixo é simples o suficiente para qualquer pessoa seguir. Este guia é ideal para quem está a começar no Fabric e quer o caminho mais direto do ficheiro à análise.
Pré-requisitos
- Uma conta com acesso ao Microsoft Fabric e uma capacidade (trial ou paga) ativa.
- Um workspace onde tenhas permissões de edição.
- Um Lakehouse já criado — se ainda não tens, cria um item do tipo Lakehouse no workspace.
- Um ficheiro CSV pequeno para testar, por exemplo
vendas.csv, com os nomes das colunas na primeira linha.
Passo 1: Abrir o Lakehouse
Entra no teu workspace no Microsoft Fabric e abre o Lakehouse onde queres guardar os dados. Do lado esquerdo aparece o Lakehouse explorer, dividido em duas áreas: Tables, onde ficam as tabelas Delta que podes consultar com SQL, e Files, onde ficam ficheiros em bruto como o teu CSV. Perceber esta separação é meio caminho andado: primeiro colocamos o ficheiro em Files, depois transformamo-lo numa tabela em Tables.
Passo 2: Carregar o CSV para a área Files
Clica com o botão direito na secção Files e escolhe Upload e depois Upload files. Seleciona o teu vendas.csv e confirma. O ficheiro passa a aparecer na área Files, guardado no OneLake, mas ainda não é uma tabela — é apenas o ficheiro original.
Dica: garante que o CSV tem uma linha de cabeçalho com nomes de coluna claros, de preferência sem espaços nem acentos. Isto ajuda o Fabric a detetar bem o esquema e evita erros no passo seguinte.
Passo 3: Usar "Load to Tables"
Com o ficheiro visível em Files, clica com o botão direito no vendas.csv e escolhe Load to Tables e depois New table. Escreve um nome para a tabela, por exemplo vendas, confirma que o separador é a vírgula e que a opção para usar a primeira linha como cabeçalho está ativa. Clica em Load. A opção New table cria uma tabela nova; se escolheres Existing table acrescentas os dados a uma tabela que já existe.
Nos bastidores, o Fabric lê o CSV, infere o tipo de cada coluna (texto, número, data) e cria uma tabela Delta na área Tables. O formato Delta é aberto e otimizado para consultas analíticas, por isso é o formato padrão de um Lakehouse.
Passo 4: Consultar a tabela com SQL
Assim que a tabela existe, podes consultá-la sem sair do Fabric. No canto superior direito, muda do modo Lakehouse para o SQL analytics endpoint e abre um New SQL query. Experimenta uma consulta simples para ver as primeiras linhas:
SELECT TOP 10 *
FROM vendas;Preferes trabalhar num notebook? Com PySpark obténs o mesmo resultado a partir da tabela:
df = spark.read.table("vendas")
display(df.limit(10))Verificar o resultado
Na área Tables do Lakehouse explorer deves ver agora a tabela vendas com o ícone de tabela Delta. Expande-a para confirmar que as colunas e os respetivos tipos foram detetados como esperavas. A consulta SELECT acima deve devolver as primeiras linhas do teu CSV. Se algum valor numérico apareceu como texto, ou uma data ficou mal interpretada, volta ao ficheiro, corrige o cabeçalho ou os dados e carrega de novo — é rápido e sem custos. Este pequeno teste confirma que os dados estão acessíveis e prontos para o próximo passo do teu projeto.
Conclusão
Em quatro passos transformaste um simples CSV numa tabela Delta pronta a analisar com SQL, Power BI ou notebooks. Um bom próximo passo é deixar de carregar ficheiros à mão: com um Dataflow Gen2 ou um pipeline podes automatizar o carregamento sempre que os dados mudarem. Qual é o primeiro ficheiro do teu dia-a-dia que vais levar para o Lakehouse?