Como criar uma tabela Delta com PySpark no Lakehouse

João Barros 16 de July de 2026 4 min de leitura

Guardar dados transformados numa tabela Delta é a forma mais prática de os disponibilizar para análise no Microsoft Fabric. Com poucas linhas de PySpark, consegues criar uma tabela Delta gerida a partir de um DataFrame do Spark, diretamente num notebook e sem sair do Lakehouse. Depois de criada, a tabela fica logo pronta para consultas em SQL e para relatórios no Power BI — por isso, saber criar uma tabela Delta no Lakehouse é a base de quase todos os pipelines de dados no Fabric.

Pré-requisitos

Uma capacidade do Microsoft Fabric ativa (avaliação gratuita, Premium ou uma SKU F).
Um Lakehouse já criado no teu workspace.
Permissões de Contributor (ou superior) nesse workspace, necessárias para escrever tabelas.
Noções básicas de Python. Não precisas de instalar nem configurar o Spark: já vem pronto no Fabric.

Passo 1: Criar um notebook e anexar o Lakehouse

Abre o teu Lakehouse e seleciona Open notebook > New notebook. Em alternativa, cria um notebook a partir da experiência de Data Engineering e, no painel Explorer à esquerda, usa Add lakehouse para o associar. Este passo é essencial: o Lakehouse anexado torna-se o destino por omissão das tabelas que escreveres. Sem um Lakehouse anexado, o Spark não sabe onde gravar e a escrita falha.

Passo 2: Carregar os dados para um DataFrame

Para criar uma tabela precisas primeiro de um DataFrame do Spark. Neste exemplo lemos um ficheiro CSV guardado na secção Files do Lakehouse, mas a origem pode ser qualquer outra: uma tabela existente, o resultado de uma transformação ou uma consulta. As opções header e inferSchema ajudam o Spark a interpretar corretamente o cabeçalho e os tipos de dados.

df = (spark.read
        .option("header", "true")
        .option("inferSchema", "true")
        .csv("Files/vendas/vendas.csv"))

df.printSchema()
display(df)

O comando display(df) apresenta uma pré-visualização interativa. Aproveita para confirmar que as colunas e os tipos ficaram como esperavas antes de avançar.

Passo 3: Escrever o DataFrame como tabela Delta

Com os dados no DataFrame, basta gravá-los na secção Tables em formato Delta. O método saveAsTable() cria uma tabela gerida: o Fabric escreve os ficheiros Parquet e regista a tabela no metastore num único passo.

(df.write
   .format("delta")
   .mode("overwrite")
   .saveAsTable("vendas"))

O modo overwrite substitui a tabela caso já exista; troca para append quando quiseres acrescentar linhas a uma tabela já criada. Um detalhe importante para evitar erros: o Lakehouse do Fabric só suporta tabelas geridas. Não uses CREATE TABLE ... LOCATION nem cries subpastas dentro de Tables, porque o Lakehouse não as reconhece como tabelas e mostra-as como "Unidentified".

Passo 4: Otimizar a escrita com V-Order (opcional)

O Fabric pode organizar os ficheiros Parquet para leituras mais rápidas e menos espaço em disco. Se quiseres esse ganho, ativa o V-Order e o Optimize Write numa célula no início do notebook, antes de gravar:

spark.conf.set("spark.sql.parquet.vorder.enabled", "true")
spark.conf.set("spark.microsoft.delta.optimizeWrite.enabled", "true")

Estas definições reduzem o número de ficheiros gerados e melhoram a compressão, sem exigirem qualquer alteração ao código de escrita do Passo 3.

Verificar o resultado

Confirma que a tabela foi criada de duas maneiras. Primeiro, no painel Explorer, expande a pasta Tables, clica nas reticências (...) e escolhe Refresh: a tabela vendas deve surgir com o ícone de tabela Delta. Depois, valida em código lendo a tabela de volta:

spark.sql("SELECT COUNT(*) AS total FROM vendas").show()

# ou diretamente a partir do caminho na secção Tables
spark.read.format("delta").load("Tables/vendas").show(5)

Se a contagem de linhas corresponder ao esperado, está tudo certo. A tabela fica também imediatamente disponível no SQL analytics endpoint do Lakehouse, onde a podes consultar com T-SQL.

Conclusão

Com o formato Delta e o método saveAsTable(), transformaste um DataFrame numa tabela gerida e pronta a analisar em poucos segundos — o padrão que vais repetir em praticamente todos os pipelines do Lakehouse. Como próximos passos, experimenta agendar esta escrita dentro de um pipeline do Fabric ou usar o modo append para carregamentos incrementais. Uma pergunta para pensares antes de avançar: como vais garantir que uma nova execução não cria linhas duplicadas na tua tabela?