Tutorial: Creación de un cuaderno de Jupyter Notebook para analizar datos en la cuenta de Azure Cosmos DB for NoSQL usando cuadernos de Jupyter Notebook de Visual Studio Code

SE APLICA A: NoSQL

En este tutorial se explica cómo usar los cuadernos de Jupyter Notebook de Visual Studio Code para interactuar con su cuenta de Azure Cosmos DB for NoSQL. Verá cómo conectarse a su cuenta, importar datos y ejecutar consultas.

Requisitos previos

Python

• Una cuenta existente de Azure Cosmos DB for NoSQL.
  • Si tiene una suscripción de Azure, cree una nueva cuenta.
  • ¿No tiene una suscripción de Azure? Puede probar Azure Cosmos DB de forma gratuita, sin necesidad de usar su tarjeta de crédito.
• Instale Visual Studio Code y configure el entorno para usar cuadernos.

C#

• Una cuenta existente de Azure Cosmos DB for NoSQL.
  • Si tiene una suscripción de Azure, cree una nueva cuenta.
  • ¿No tiene una suscripción de Azure? Puede probar Azure Cosmos DB de forma gratuita, sin necesidad de usar su tarjeta de crédito.
• Instale Visual Studio Code y configure el entorno para usar cuadernos.
• Instale la extensión de cuadernos de Polyglot para Visual Studio Code.

Creación un nuevo cuaderno

En esta sección creará la base de datos y el contenedor de Azure Cosmos e importará los datos comerciales en el contenedor.

Python

1. Abra Visual Studio Code.
2. Ejecute el comando Create: New Jupyter Notebook desde la paleta de comandos (Ctrl+Mayús+P) o cree un archivo .ipynb en el área de trabajo.

C#

1. Abra Visual Studio Code.

2. Ejecute el comando Polyglot Notebook: Create new blank notebook desde la paleta de comandos (Ctrl+Mayús+P).

   

3. Seleccione la extensión de archivo .ipynb.

4. Seleccione C# como lenguaje predeterminado.

Sugerencia

Ahora que se ha creado el cuaderno, puede guardarlo y asignarle un nombre similar a AnalyzeRetailData.ipynb.

Creación de una base de datos y un contenedor mediante el SDK

Python

1. Comience en la celda de código predeterminada.

2. Instale el paquete Azure.cosmos. Ejecute esta celda antes de continuar.

   %pip install azure.cosmos
   

3. Importe los paquetes que necesite para este tutorial.

   import azure.cosmos
   from azure.cosmos.partition_key import PartitionKey
   from azure.cosmos import CosmosClient
   

4. Cree una instancia de CosmosClient.

   endpoint = "<FILL ME>"
   key = "<FILL ME>"
   cosmos_client = CosmosClient(url=endpoint, credential=key)
   

5. Cree una base de datos denominada RetailIngest mediante el SDK integrado.

   database = cosmos_client.create_database_if_not_exists('RetailIngest')
   

6. Cree un contenedor denominado WebsiteMetrics con una clave de partición de /CartID.

   container = database.create_container_if_not_exists(id='WebsiteMetrics', partition_key=PartitionKey(path='/CartID'))
   

7. Seleccione Ejecutar para crear la base de datos y el recurso de contenedor.

   

C#

1. Comience en la celda de código predeterminada.

2. Instale el paquete de NuGet Microsoft.Azure.Cosmos. Ejecute esta celda antes de continuar.

   #r "nuget: Microsoft.Azure.Cosmos"
   

3. Cree una celda de código.

4. Importe los paquetes que necesite para este tutorial.

   using Microsoft.Azure.Cosmos;
   

5. Cree una nueva instancia del tipo de cliente mediante el SDK integrado. Rellene el punto de conexión de URI y la clave de la cuenta de Azure Cosmos DB. Encontrará estos valores en la página Claves de la cuenta de Azure Cosmos DB.

   var endpoint = "<FILL ME>";
   var key = "<FILL ME>";
   
   var cosmosClient = new CosmosClient(Cosmos.Endpoint, Cosmos.Key);
   

6. Cree una base de datos denominada RetailIngest.

   Database database = await cosmosClient.CreateDatabaseIfNotExistsAsync("RetailIngest");
   

7. Cree un contenedor denominado WebsiteMetrics con una clave de partición de /CartID.

   Container container = await database.CreateContainerIfNotExistsAsync("WebsiteMetrics", "/CartID");
   

8. Seleccione Ejecutar celda para crear la base de datos y el recurso de contenedor.

   

Importación de datos a un contenedor

Python

1. Adición de una nueva celda de código

2. En la celda de código, agregue el siguiente código para cargar datos desde esta dirección URL: <https://cosmosnotebooksdata.blob.core.windows.net/notebookdata/websiteData.json>.

       import urllib.request
       import json
   
       with urllib.request.urlopen("https://cosmosnotebooksdata.blob.core.windows.net/notebookdata/websiteData.json") as url:
           docs = json.loads(url.read().decode())
   
       for doc in docs:
           container.upsert_item(doc)
   

3. Ejecute la celda. Tardará entre 45 segundos y 1 minuto en ejecutarse.

C#

1. Añada una celda de código nueva.

2. En la celda de código, cree una nueva clase de C# para representar un elemento en el contenedor. Ejecute la celda.

   public class Record
   {
     public string id { get; set; }
     public int CartID { get; set; }
     public string Action { get; set; }
     public decimal Price { get; set; }
     public string Country { get; set; }
     public string Item { get; set; }
   }
   

3. Añada una celda de código nueva.

4. En la celda de código, agregue el siguiente código para cargar datos desde esta dirección URL: <https://cosmosnotebooksdata.blob.core.windows.net/notebookdata/websiteData.json>.

   using System.Net.Http;
   using System.Text.Json;
   using System.IO;
   
   var dataURL = "https://cosmosnotebooksdata.blob.core.windows.net/notebookdata/websiteData.json";
   var jsonData = new HttpClient().GetStringAsync(dataURL).Result;
   
   Record[] result = JsonSerializer.Deserialize<Record[]>(jsonData);
   
   foreach (Record record in result) {
       await container.UpsertItemAsync<Record>(record, new PartitionKey(record.CartID)); //43 seconds
   }
   

5. Ejecute la celda. Tardará entre 45 segundos y 1 minuto en ejecutarse.

Analice los datos

Python

1. Cree otra nueva celda de código.

2. En la celda de código, use una consulta SQL para rellenar un DataFrame de Pandas. Ejecute esta celda.

   import pandas as pd
   from pandas import DataFrame
   
   QUERY = "SELECT c.Action, c.Price as ItemRevenue, c.Country, c.Item FROM c"
   results = container.query_items(
       query=QUERY, enable_cross_partition_query=True
   )
   
   df_cosmos = pd.DataFrame(results)
   

3. Cree otra nueva celda de código.

4. En la celda de código, genere los 10 elementos principales de la trama de datos. Ejecute esta celda.

   df_cosmos.head(10)
   

5. Observe la salida de ejecución del comando.

   	Acción	ItemRevenue	Country (País)	Elemento
   0	Compradas	19,99	Macedonia del Norte	Camisa con botones
   1	Visto	12.00	Papúa Nueva Guinea	Collar
   2	Visto	25.00	Eslovaquia (República Eslovaca)	Chaqueta de punto
   3	Compradas	14.00	Senegal	Chanclas
   4	Visto	50,00	Panamá	Pantalones cortos vaqueros
   5	Visto	14.00	Senegal	Chanclas
   6	Se agregó	14.00	Senegal	Chanclas
   7	Se agregó	50,00	Panamá	Pantalones cortos vaqueros
   8	Compradas	33.00	Territorio de Palestina	Top rojo
   9	Visto	30.00	Malta	Suéter verde

6. Cree otra nueva celda de código.

7. En la celda de código, importe el paquete pandas para personalizar la salida de la trama de datos. Ejecute esta celda.

   import pandas as pd    
   df_cosmos.groupby("Item").size().reset_index()
   

8. Observe la salida de ejecución del comando.

   	Elemento	Prueba
   0	Chanclas	66
   1	Collar	55
   2	Zapatillas de deporte	111
   ...	...	...
   45	Windbreaker Jacket	56

C#

1. Cree una celda de código.

2. En la celda de código, agregue código para ejecutar una consulta SQL mediante el SDK que almacena la salida de la consulta en una variable de tipo List<T> denominada Results.

   using System.Collections.Generic;
   
   var query = new QueryDefinition(
       query: "SELECT c.Action, c.Price, c.Country, c.Item FROM c"
   );
   
   FeedIterator<Record> feed = container.GetItemQueryIterator<Record>(
       queryDefinition: query
   );
   
   var results = new List<Record>();
   while (feed.HasMoreResults)
   {
       FeedResponse<Record> response = await feed.ReadNextAsync();
       foreach (Record result in response)
       {
           results.Add(result);
       }
   }
   

3. Cree otra nueva celda de código.

4. En la celda de código, cree un diccionario agregando permutaciones únicas del campo Item como clave y la suma del campo Price como valor. Esto da las ventas totales de cada artículo. Ejecute esta celda.

   var dictionary = new Dictionary<string, decimal>();
   
   foreach(var result in results)
   {
       if (dictionary.ContainsKey(result.Item)) {
           dictionary[result.Item] += result.Price;
       }
       else {
           dictionary.TryAdd (result.Item, result.Price); 
   
       }
   }
   
   dictionary
   

5. Observe la salida con combinaciones únicas de los campos Item y Price.

   ...
   Black Tee: 603
   Flannel Shirt: 1199.40
   Socks: 210.00
   Rainjacket: 2695
   ...
   

Pasos siguientes

• Introducción a la biblioteca cliente de Azure Cosmos DB for NoSQL para .NET
• Introducción a la biblioteca cliente de Azure Cosmos DB for NoSQL para Python