Tutoriel : Créer un Jupyter Notebook dans Azure Cosmos DB for NoSQL pour analyser et visualiser des données (préversion)

S’APPLIQUE À : NoSQL

Avertissement

La fonctionnalité Jupyter Notebooks d’Azure Cosmos DB sera mise hors service le 30 mars 2024. Vous ne pourrez pas utiliser des notebooks Jupyter intégrés à partir du compte Azure Cosmos DB. Nous vous recommandons d’utiliser la prise en charge de Visual Studio Code pour les notebooks Jupyter ou votre client de notebooks préféré.

Ce tutoriel montre comment utiliser la fonctionnalité Jupyter Notebooks d’Azure Cosmos DB pour importer des exemples de données de vente au détail dans un compte Azure Cosmos DB for NoSQL. Vous verrez comment utiliser les commandes magic Azure Cosmos DB pour exécuter des requêtes, analyser les données et visualiser les résultats.

Prérequis

• Un compte Azure Cosmos DB for NoSQL déjà créé :
  • Si vous disposez d’un abonnement Azure, créez un compte.
  • Vous ne possédez pas d’abonnement Azure ? Vous pouvez essayer Azure Cosmos DB gratuitement sans carte de crédit.

Créer une nouvelle instance Notebook

Dans cette section, vous allez créer la base de données Azure Cosmos et le conteneur, puis importer les données de vente dans le conteneur.

1. Accédez à votre compte Azure Cosmos DB et ouvrez l’Explorateur de données.

2. Sélectionnez Nouveau notebook.

   

3. Dans la boîte de dialogue de confirmation qui s’affiche, sélectionnez Créer.

   Notes

   Un espace de travail temporaire sera créé pour vous permettre d’utiliser Jupyter Notebooks. Lorsque la session expire, tous les blocs-notes de l’espace de travail seront supprimés.

4. Sélectionnez le noyau que vous souhaitez utiliser pour le bloc-notes.

Python

C#

Conseil

Une fois que vous avez créé le notebook, vous pouvez le renommer par exemple VisualizeRetailData.ipynb.

Créer une base de données et un conteneur avec le SDK

Python

1. Démarrez dans la cellule de code par défaut.

2. Importez les packages dont vous avez besoin pour ce tutoriel.

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

3. Créez une base de données nommée RetailIngest à l’aide du Kit de développement logiciel (SDK) intégré.

   database = cosmos_client.create_database_if_not_exists('RetailIngest')
   

4. Créez un conteneur nommé WebsiteMetrics avec une clé de partition de /CartID.

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

5. Sélectionnez Exécuter pour créer la base de données et la ressource de conteneur.

   

C#

1. Démarrez dans la cellule de code par défaut.

2. Importez les packages dont vous avez besoin pour ce tutoriel.

   using Microsoft.Azure.Cosmos;
   

3. Créez une instance du type client à l’aide du Kit de développement logiciel (SDK) intégré.

   var cosmosClient = new CosmosClient(Cosmos.Endpoint, Cosmos.Key);
   

4. Créez une base de données nommée RetailIngest.

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

5. Créez un conteneur nommé WebsiteMetrics avec une clé de partition de /CartID.

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

6. Sélectionnez Exécuter pour créer la base de données et la ressource de conteneur.

   

Importer des données à l’aide de commandes magic

1. Ajoutez une cellule de code.

2. Dans la cellule de code, ajoutez la commande magic suivante pour charger, dans votre conteneur existant, les données JSON de cette URL : https://cosmosnotebooksdata.blob.core.windows.net/notebookdata/websiteData.json

   %%upload --databaseName RetailIngest --containerName WebsiteMetrics --url https://cosmosnotebooksdata.blob.core.windows.net/notebookdata/websiteData.json
   

3. Sélectionnez Exécuter une cellule active pour exécuter uniquement la commande dans cette cellule spécifique.

   

   Remarque

   La commande d’importation doit prendre 5 à 10 secondes.

4. Observez la sortie de la commande d’exécution. Vérifiez que 2 654 documents ont été importés.

   Documents successfully uploaded to WebsiteMetrics
   Total number of documents imported:
     Success: 2654
     Failure: 0
   Total time taken : 00:00:04 hours
   Total RUs consumed : 27309.660000001593
   

Visualiser vos données

Python

1. Créez une autre cellule de code.

2. Dans la cellule de code, utilisez une requête SQL pour remplir un DataFrame Pandas.

   %%sql --database RetailIngest --container WebsiteMetrics --output df_cosmos
   SELECT c.Action, c.Price as ItemRevenue, c.Country, c.Item FROM c
   

3. Sélectionnez Exécuter une cellule active pour exécuter uniquement la commande dans cette cellule spécifique.

4. Créez une autre cellule de code.

5. Dans la cellule de code, sortiez les 10 premiers éléments du dataframe.

   df_cosmos.head(10)
   

6. Sélectionnez Exécuter une cellule active pour exécuter uniquement la commande dans cette cellule spécifique.

7. Observez la sortie de l’exécution de la commande.

   	Action	ItemRevenue	Country	Élément
   0	Acheté	19.99	Macédoine du Nord	Chemise à boutons
   1	Consulté	12,00	Papouasie-Nouvelle-Guinée	Collier
   2	Consulté	25.00	Slovaquie (République slovaque)	Cardigan
   3	Acheté	14.00	Sénégal	Tongues
   4	Consulté	50.00	Panama	Shorts en denim
   5	Consulté	14.00	Sénégal	Tongues
   6	Ajouté	14.00	Sénégal	Tongues
   7	Ajouté	50.00	Panama	Shorts en denim
   8	Acheté	33,00	Territoires palestiniens	Haut rouge
   9	Consulté	30.00	Malte	Pull vert

8. Créez une autre cellule de code.

9. Dans la cellule de code, importez le package pandas pour personnaliser la sortie du dataframe.

   import pandas as pd
   pd.options.display.html.table_schema = True
   pd.options.display.max_rows = None
   
   df_cosmos.groupby("Item").size()
   

10. Sélectionnez Exécuter une cellule active pour exécuter uniquement la commande dans cette cellule spécifique.

11. Dans la sortie, sélectionnez l’option Graphique en courbes pour afficher une autre visualisation des données.

    

C#

1. Créez une nouvelle cellule de code.

2. Dans la cellule de code, créez une classe C# pour représenter un élément dans le conteneur.

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

3. Créez une autre cellule de code.

4. Dans la cellule de code, ajoutez du code pour exécuter une requête SQL à l’aide du Kit de développement logiciel (SDK) stockant la sortie de la requête dans une variable de type List<T> nommé 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);
       }
   }
   

5. Créez une autre cellule de code.

6. Dans la cellule de code, créez un dictionnaire en ajoutant des permutations uniques du champ Item en tant que clé et les données du champ Price comme valeur.

   var dictionary = new Dictionary<string, decimal>();
   
   foreach(var result in results)
   {
       dictionary.TryAdd (result.Item, result.Price); 
   }
   
   dictionary
   

7. Sélectionnez Exécuter une cellule active pour exécuter uniquement la commande dans cette cellule spécifique.

8. Observez la sortie avec des combinaisons uniques des champs Item et Price.

   ...
   Denim Jacket:31.99
   Fleece Jacket:65
   Sandals:12
   Socks:3.75
   Sandal:35.5
   Light Jeans:80
   ...
   

9. Créez une autre cellule de code.

10. Dans la cellule de code, affichez la variable de résultats.

    results
    

11. Sélectionnez Exécuter une cellule active pour exécuter uniquement la commande dans cette cellule spécifique.

12. Dans la sortie, sélectionnez l’option Diagramme à surfaces pour afficher une autre visualisation des données.

    

Conserver votre bloc-notes

1. Dans la section Blocs-notes, ouvrez le menu contextuel du bloc-notes que vous avez créé pour ce tutoriel, puis sélectionnez Télécharger.

   

   Conseil

   Pour enregistrer votre travail définitivement, enregistrez vos blocs-notes dans un dépôt GitHub ou téléchargez les notebooks sur votre ordinateur local avant la fin de la session.

Étapes suivantes

• En savoir plus sur la fonctionnalité Jupyter Notebooks dans Azure Cosmos DB
• Importer des notebooks à partir de GitHub dans un compte Azure Cosmos DB for NoSQL
• Passez en revue la FAQ sur la prise en charge de Jupyter Notebook