Oktatóanyag: Adatok lekérdezése és vizualizációja jegyzetfüzetből

Ez az oktatóanyag bemutatja, hogy egy Azure Databricks-jegyzetfüzet használatával lekérdezheti a Unity Catalogban tárolt mintaadatokat az SQL, a Python, a Scala és az R használatával, majd megjelenítheti a lekérdezés eredményeit a jegyzetfüzetben.

Jótanács

Mondja meg a Genie Code-nak (ügynök módnak), hogy tegye ezt Önért:

Create a new notebook that queries @samples.nyctaxi.trips and displays a bar chart showing the average fare amount by trip distance, grouped by the pickup zip code.

Követelmények

A cikkben szereplő feladatok elvégzéséhez meg kell felelnie a következő követelményeknek:

• A munkaterületen engedélyezve kell lennie a Unity-katalógusnak . A Unity Catalog használatának első lépéseiről további információt a Unity Catalog használatának első lépéseit ismertető cikkben talál.
• Rendelkeznie kell engedéllyel egy meglévő számítási erőforrás használatához vagy egy új számítási erőforrás létrehozásához. Lásd a Compute-ot, vagy forduljon a Databricks rendszergazdájához.

1. lépés: Új jegyzetfüzet létrehozása

Ha jegyzetfüzetet szeretne létrehozni a munkaterületen, kattintson az Oldalsáv Új gombjára, majd a Jegyzetfüzet elemre. Megnyílik egy üres jegyzetfüzet a munkaterületen.

A jegyzetfüzetek létrehozásáról és kezeléséről további információt a Databricks-jegyzetfüzetek kezelése című témakörben talál.

2. lépés: Tábla lekérdezése

samples.nyctaxi.trips A Unity Catalogban a kívánt nyelv használatával kérdezheti le a táblát. Ez a táblázat a katalógusban szereplő samples egyike.

1. Másolja és illessze be a következő kódot az új üres jegyzetfüzetcellába. Ez a kód megjeleníti a táblának a samples.nyctaxi.trips Unity Katalógusban való lekérdezéséből származó eredményeket.

   SQL

   SELECT * FROM samples.nyctaxi.trips
   

   Python

   display(spark.read.table("samples.nyctaxi.trips"))
   

   Scala

   display(spark.read.table("samples.nyctaxi.trips"))
   

   R

   library(SparkR)
   display(sql("SELECT * FROM samples.nyctaxi.trips"))
   

2. Nyomja le a Shift+Enter gombot a cella futtatásához, majd lépjen a következő cellára.

   A lekérdezés eredményei megjelennek a jegyzetfüzetben.

3. lépés: Az adatok megjelenítése

Jelenítse meg az átlagos viteldíj összegét az utazási távolság szerint, a felvétel irányítószáma alapján csoportosítva.

1. Kattintson a Táblázat lap mellett a +Vizualizáció elemre.

   Megjelenik a vizualizációszerkesztő.

2. A Vizualizáció típusa legördülő listában ellenőrizze, hogy a sáv ki van-e jelölve.

3. Válassza ki fare_amount az X oszlopot.

4. Válassza ki trip_distance az Y oszlopot.

5. Válassza ki Average az összesítés típusát.

6. Válassza ki pickup_zip a Csoportosítás oszlop szerint lehetőséget.

   

7. Kattintson a Mentésre.

Következő lépések

• A CSV-fájlból a Unity Cataloghoz való adatok hozzáadásáról és az adatok vizualizációjáról a következő oktatóanyagban tájékozódhat: CSV-adatok importálása és vizualizációja jegyzetfüzetből.
• Ha tudni szeretné, hogyan tölthet be adatokat a Databricksbe az Apache Spark használatával, tekintse meg a következő oktatóanyagot: Adatok betöltése és átalakítása Apache Spark DataFrame-ekkel.
• Ha többet szeretne megtudni az adatok Databricksbe való betöltéséről, tekintse meg a Lakeflow Connect standard összekötőit.
• Ha többet szeretne megtudni az adatok Databricks-lel való lekérdezéséről, olvassa el az Adatok lekérdezése című témakört.
• A vizualizációkkal kapcsolatos további információkért tekintse meg a Databricks-jegyzetfüzetekben és az SQL-szerkesztőben található vizualizációkat.
• A feltáró adatelemzési (EDA-) technikákkal kapcsolatos további információkért lásd a Databricks-jegyzetfüzetekben lévő EDA-technikák oktatóanyagát.