Vizualizace poznámkového bloku v Microsoft Fabric

Microsoft Fabric je integrovaná analytická služba, která zkracuje čas na přehledy napříč datovými sklady a systémy pro velké objemy dat. Vizualizace dat v poznámkových blocích je klíčovou funkcí, která umožňuje získat přehled o datech, což pomáhá uživatelům snadno identifikovat vzory, trendy a odlehlé hodnoty.

Při práci s Apache Spark ve Fabric máte integrované možnosti pro vizualizaci dat, včetně funkcí grafů v poznámkovém bloku Fabric a přístupu k oblíbeným open-source knihovnám.

Textilní poznámkové bloky také umožňují převádět tabulkové výsledky na přizpůsobené grafy bez psaní kódu, což umožňuje intuitivnější a plynulejší zkušenost při zkoumání dat.

Integrovaný příkaz vizualizace – funkce display()

Integrovaná funkce vizualizace Fabric umožňuje transformovat datové rámce Apache Spark, datové rámce Pandas a výsledky dotazů SQL na interaktivní a bohaté vizualizace dat.

Pomocí funkce zobrazení můžete vykreslit datové rámce PySpark a Scala Spark nebo odolné distribuované datové sady (RDD) jako dynamické tabulky nebo grafy.

Můžete zadat počet řádků vykreslovaného datového rámce. Výchozí hodnota je 1000. Widget zobrazení výstupu poznámkového bloku podporuje zobrazení a profilování maximálně 1 0000 řádků datového rámce.

Pomocí funkce filtru na globálním panelu nástrojů můžete na data použít přizpůsobená pravidla. Podmínka filtru se použije u zadaného sloupce a výsledky se projeví v zobrazení tabulky i grafu.

Výstup příkazu SQL přijímá ve výchozím nastavení stejný widget výstupu s display().

Zobrazení tabulky s bohatým datovým rámcem

Podpora bezplatného výběru v zobrazení tabulky

Ve výchozím nastavení se při použití příkazu display() v poznámkovém bloku Fabric vykreslí Table View. Bohatý datový rámec Preview nabízí intuitivní funkci volného výběru, která je navržená tak, aby zlepšila možnosti analýzy dat díky flexibilním interaktivním možnostem výběru. Tato funkce umožňuje uživatelům snadno procházet a zkoumat datové rámce.

Výběr sloupce
- Jeden sloupec: Kliknutím na záhlaví sloupce vyberte celý sloupec.
- více sloupců: Po výběru jednoho sloupce stiskněte a podržte klávesu Shift a potom kliknutím na jiné záhlaví sloupce vyberte více sloupců.
výběr řádku
- jeden řádek: Kliknutím na záhlaví řádku vyberte celý řádek.
- více řádků: Po výběru jednoho řádku stiskněte a podržte klávesu Shift a potom kliknutím na další záhlaví řádku vyberte více řádků.
náhled obsahu buňky: Zobrazte si náhled obsahu jednotlivých buněk, abyste získali rychlý a podrobný pohled na data, aniž byste museli psát další kód.
souhrn sloupce: Získejte souhrn jednotlivých sloupců, včetně rozdělení dat a klíčových statistik, abyste rychle porozuměli charakteristikám dat.
výběr volné oblasti: Výběrem libovolného souvislého segmentu tabulky získáte přehled o celkových vybraných buňkách a číselných hodnotách ve vybrané oblasti.
Kopírování vybraného obsahu: Ve všech případech výběru můžete vybraný obsah rychle zkopírovat pomocí klávesové zkratky Ctrl + C. Vybraná data se zkopírují ve formátu CSV, což usnadňuje zpracování v jiných aplikacích.

Podpora profilace dat prostřednictvím podokna Kontrola

Datový rámec můžete profilovat kliknutím na tlačítko Zkontrolovat . Poskytuje souhrnnou distribuci dat a zobrazuje statistiky jednotlivých sloupců.
Každá karta v bočním podokně Kontrola se mapuje na sloupec datového rámce. Další podrobnosti můžete zobrazit kliknutím na kartu nebo výběrem sloupce v tabulce.
Podrobnosti o buňce můžete zobrazit kliknutím na buňku tabulky. Tato funkce je užitečná, pokud datový rámec obsahuje dlouhý typ řetězce obsahu.

Rozšířené zobrazení grafu s bohatým datovým rámcem

Vylepšené zobrazení grafu v příkazu display() nabízí intuitivnější a dynamičtější způsob vizualizace dat.

Klíčová vylepšení:

Podpora více grafů: Přidání až pěti grafů v rámci jednoho výstupního zobrazení pomocí zvolení možnosti Nový graf, čímž se usnadní porovnání napříč různými sloupci.
Doporučení pro inteligentní grafy: Získejte seznam navrhovaných grafů na základě datového rámce. Zvolte, jestli chcete upravit doporučenou vizualizaci nebo vytvořit vlastní graf od začátku.

Flexibilní přizpůsobení: Přizpůsobení vizualizací pomocí upravitelných nastavení, která se přizpůsobí na základě vybraného typu grafu.

Kategorie	Základní nastavení	Popis
	Typ grafu	Funkce zobrazení podporuje širokou škálu typů grafů, včetně pruhových grafů, bodových grafů, spojnicových grafů, kontingenční tabulky a dalších.
Titulek	Titulek	Název grafu.
Titulek	Podtitul	Podnadpis grafu s dalšími popisy
Údaje	Osa X	Zadejte klíč grafu.
Údaje	Osa Y	Zadejte hodnoty grafu.
Legenda:	Zobrazit legendu	Povolí nebo zakáže legendu.
Legenda:	Postavení	Přizpůsobte pozici legendy.
Ostatní	Sériová skupina	Pomocí této konfigurace můžete určit skupiny pro agregaci.
Ostatní	Seskupování	Tato metoda slouží k agregaci dat ve vizualizaci.
Ostatní	Naskládaný	Nakonfigurujte styl zobrazení výsledku.
Ostatní	Chybějící hodnoty a hodnoty NULL	Nakonfigurujte, jak se zobrazují chybějící hodnoty grafu nebo hodnoty NULL.

Poznámka:

Kromě toho můžete zadat počet zobrazených řádků s výchozím nastavením 1 000. Widget pro zobrazení výstupu poznámkového bloku podporuje zobrazení a profilaci až 10 000 řádků datového rámce. Vyberte Možnost Agregace u všech výsledků a pak vyberte Použít pro použití generování grafu z celého datového rámce. Úloha Sparku se aktivuje při změně nastavení grafu. Dokončení výpočtu a vykreslení grafu může trvat několik minut.

Kategorie	Rozšířené nastavení	Popis
Barva	Téma	Definujte barevnou sadu motivů grafu.
Osa X	Označení	Zadejte popisek osy X.
Osa X	Škála	Zadejte funkci měřítka osy X.
Osa X	Rozmezí	Určete rozsah hodnot osy X.
Osa Y	Označení	Určete popisek pro osu Y.
Osa Y	Škála	Zadejte funkci měřítka osy Y.
Osa Y	Rozmezí	Určete rozsah osy Y.
Displej	Zobrazit štítky	Zobrazí nebo skryje popisky výsledků v grafu.

Změny konfigurací se projeví okamžitě a všechny konfigurace se automaticky ukládají v obsahu poznámkového bloku.

Grafy můžete snadno přejmenovat, duplikovat, odstranit nebo přesunout v nabídce karty grafu. Můžete také přetáhnout karty a změnit jejich pořadí. Při otevření poznámkového bloku se zobrazí první karta jako výchozí karta.
Interaktivní panel nástrojů je k dispozici v novém prostředí grafu, když uživatel na graf najet myší. Operace podpory, jako je přiblížení, oddálení, výběr pro přiblížení, resetování, posouvání, úpravy poznámek atd.

Tady je příklad poznámky k grafu.

zobrazit() souhrnný pohled

Pomocí display(df; summary = true) zkontrolujte souhrn statistik daného datového rámce Apache Spark. Souhrn obsahuje název sloupce, typ sloupce, jedinečné hodnoty a chybějící hodnoty pro každý sloupec. Můžete také vybrat konkrétní sloupec a zobrazit jeho minimální hodnotu, maximální hodnotu, střední hodnotu a směrodatnou odchylku.

možnost displayHTML()

Textové bloky Fabric podporují grafiku HTML pomocí funkce displayHTML.

Následující obrázek je příkladem vytváření vizualizací pomocí D3.js.

Pokud chcete vytvořit tuto vizualizaci, spusťte následující kód.

displayHTML("""<!DOCTYPE html>
<meta charset="utf-8">

<!-- Load d3.js -->
<script src="https://d3js.org/d3.v4.js"></script>

<!-- Create a div where the graph will take place -->
<div id="my_dataviz"></div>
<script>

// set the dimensions and margins of the graph
var margin = {top: 10, right: 30, bottom: 30, left: 40},
  width = 400 - margin.left - margin.right,
  height = 400 - margin.top - margin.bottom;

// append the svg object to the body of the page
var svg = d3.select("#my_dataviz")
.append("svg")
  .attr("width", width + margin.left + margin.right)
  .attr("height", height + margin.top + margin.bottom)
.append("g")
  .attr("transform",
        "translate(" + margin.left + "," + margin.top + ")");

// Create Data
var data = [12,19,11,13,12,22,13,4,15,16,18,19,20,12,11,9]

// Compute summary statistics used for the box:
var data_sorted = data.sort(d3.ascending)
var q1 = d3.quantile(data_sorted, .25)
var median = d3.quantile(data_sorted, .5)
var q3 = d3.quantile(data_sorted, .75)
var interQuantileRange = q3 - q1
var min = q1 - 1.5 * interQuantileRange
var max = q1 + 1.5 * interQuantileRange

// Show the Y scale
var y = d3.scaleLinear()
  .domain([0,24])
  .range([height, 0]);
svg.call(d3.axisLeft(y))

// a few features for the box
var center = 200
var width = 100

// Show the main vertical line
svg
.append("line")
  .attr("x1", center)
  .attr("x2", center)
  .attr("y1", y(min) )
  .attr("y2", y(max) )
  .attr("stroke", "black")

// Show the box
svg
.append("rect")
  .attr("x", center - width/2)
  .attr("y", y(q3) )
  .attr("height", (y(q1)-y(q3)) )
  .attr("width", width )
  .attr("stroke", "black")
  .style("fill", "#69b3a2")

// show median, min and max horizontal lines
svg
.selectAll("toto")
.data([min, median, max])
.enter()
.append("line")
  .attr("x1", center-width/2)
  .attr("x2", center+width/2)
  .attr("y1", function(d){ return(y(d))} )
  .attr("y2", function(d){ return(y(d))} )
  .attr("stroke", "black")
</script>

"""
)

Vložení sestavy Power BI do poznámkového bloku

Důležité

Tato funkce je ve verzi Preview.

Balíček Powerbiclient Python je teď nativně podporovaný v poznámkových blocích Fabric. Nemusíte provádět žádné další nastavení (například procesu autentizace) v prostředí Spark runtime 3.4 na Fabric notebooku. Stačí naimportovat powerbiclient a pokračovat ve zkoumání. Další informace o tom, jak používat balíček Powerbiclient, najdete v dokumentaci k Powerbiclient.

Powerbiclient podporuje následující klíčové funkce.

Vykreslení existující sestavy Power BI

Sestavy Power BI můžete do svých poznámkových bloků snadno vkládat a pracovat s nimi pomocí několika řádků kódu.

Následující obrázek je příkladem zobrazení existující sestavy Power BI.

Pro vykreslení existující sestavy Power BI spusťte následující kód.

from powerbiclient import Report

report_id="Your report id"
report = Report(group_id=None, report_id=report_id)

report

Vytvořte vizuály sestavy z datového rámce Spark

Datový rámec Sparku v poznámkovém bloku můžete použít k rychlému vygenerování přehledných vizualizací. Můžete také vybrat možnost Uložit ve vložené zprávě, abyste vytvořili položku sestavy v cílovém pracovním prostoru.

Následující obrázek je příkladem datového QuickVisualize() rámce Sparku.

Spuštěním následujícího kódu vykreslíte sestavu z datového rámce Sparku.

# Create a spark dataframe from a Lakehouse parquet table
sdf = spark.sql("SELECT * FROM testlakehouse.table LIMIT 1000")

# Create a Power BI report object from spark data frame
from powerbiclient import QuickVisualize, get_dataset_config
PBI_visualize = QuickVisualize(get_dataset_config(sdf))

# Render new report
PBI_visualize

Vytvořte vizuály reportů z datového rámce Pandas

V poznámkovém bloku můžete také vytvářet sestavy založené na datovém rámci pandas.

Následující obrázek je příkladem QuickVisualize() z pandas DataFrame.

Spuštěním následujícího kódu vykreslíte sestavu z datového rámce Sparku.

import pandas as pd

# Create a pandas dataframe from a URL
df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/fips-unemp-16.csv")

# Create a pandas dataframe from a Lakehouse csv file
from powerbiclient import QuickVisualize, get_dataset_config

# Create a Power BI report object from your data
PBI_visualize = QuickVisualize(get_dataset_config(df))

# Render new report
PBI_visualize

Oblíbené knihovny

Pokud jde o vizualizaci dat, Python nabízí několik knihoven grafů, které jsou součástí mnoha různých funkcí. Ve výchozím nastavení každá skupina Apache Spark na platformě Fabric obsahuje sadu pečlivě vybraných a oblíbených open-source knihoven.

Matplotlib

Standardní knihovny vykreslování, jako je Matplotlib, můžete vykreslit pomocí integrovaných vykreslovacích funkcí pro každou knihovnu.

Následující obrázek je příkladem toho, jak vytvořit pruhový graf pomocí knihovny Matplotlib.

Spuštěním následujícího ukázkového kódu nakreslete tento pruhový graf.

# Bar chart

import matplotlib.pyplot as plt

x1 = [1, 3, 4, 5, 6, 7, 9]
y1 = [4, 7, 2, 4, 7, 8, 3]

x2 = [2, 4, 6, 8, 10]
y2 = [5, 6, 2, 6, 2]

plt.bar(x1, y1, label="Blue Bar", color='b')
plt.bar(x2, y2, label="Green Bar", color='g')
plt.plot()

plt.xlabel("bar number")
plt.ylabel("bar height")
plt.title("Bar Chart Example")
plt.legend()
plt.show()

Bokeh

Pomocí displayHTML(df) můžete vykreslit HTML nebo interaktivní knihovny, jako bokeh.

Následující obrázek je příkladem vykreslení glyfů přes mapu pomocí bokeh.

Pokud chcete nakreslit tento obrázek, spusťte následující ukázkový kód.

from bokeh.plotting import figure, output_file
from bokeh.tile_providers import get_provider, Vendors
from bokeh.embed import file_html
from bokeh.resources import CDN
from bokeh.models import ColumnDataSource

tile_provider = get_provider(Vendors.CARTODBPOSITRON)

# range bounds supplied in web mercator coordinates
p = figure(x_range=(-9000000,-8000000), y_range=(4000000,5000000),
           x_axis_type="mercator", y_axis_type="mercator")
p.add_tile(tile_provider)

# plot datapoints on the map
source = ColumnDataSource(
    data=dict(x=[ -8800000, -8500000 , -8800000],
              y=[4200000, 4500000, 4900000])
)

p.circle(x="x", y="y", size=15, fill_color="blue", fill_alpha=0.8, source=source)

# create an html document that embeds the Bokeh plot
html = file_html(p, CDN, "my plot1")

# display this html
displayHTML(html)

Plotly

Pomocí displayHTML() můžete vykreslit HTML nebo interaktivní knihovny, jako Plotly.