您需要將不規則、部分遺失的時序資料重新取樣為每日頻率，並匯出以進行模型建置，同時將實作工作量降至最低。哪種工具是最簡單的選項？

Amazon SageMaker Studio Data Wrangler 專為簡化和加速資料準備而設計，包含預建的轉換功能，可處理不規則、部分遺失的時序資料，並輕鬆重新取樣為每日頻率，最大程度地降低實作工作量。它提供視覺化介面，讓使用者無需編寫大量程式碼即可完成這些任務。 相較之下： Amazon EMR Serverless 搭配 PySpark 雖然功能強大，但需要更多設定和編碼工作，不符合「將實作工作量降至最低」的要求。 AWS Glue DataBrew 也是資料準備工具，但 Data Wrangler 在 SageMaker Studio 環境中提供更緊密的整合和更豐富的時序資料處理功能。 SageMaker Studio notebook 和 pandas 雖然可行，但需要手動編寫程式碼來處理資料清理、插補和重新取樣，這會增加實作工作量，不如 Data Wrangler 的視覺化介面和預建轉換來得簡單。