Hisztogramok ábrázolása Pythonban

A következőkre vonatkozik:SQL ServerAzure SQL DatabaseFelügyelt Azure SQL-példánySQL-adatbázis a Microsoft Fabricben

Ez a cikk azt ismerteti, hogyan ábrázolhat adatokat a Python-csomag pandas'.hist() használatával. Az SQL Server-adatbázis az egymást követő, nem egymást átfedő értékekkel rendelkező hisztogramadat-intervallumok vizualizációjára szolgál.

Prerequisites

• SQL Server Windowshoz vagy Linuxhoz

• Azure Data Studio. A telepítéshez tekintse meg az Azure Data Studiót.

• Állítsa vissza a DW-mintaadatbázist a cikkben használt mintaadatok lekéréséhez.

Visszaállított adatbázis ellenőrzése

A visszaállított adatbázis meglétét a tábla lekérdezésével Person.CountryRegion ellenőrizheti:

USE AdventureWorksDW;
SELECT * FROM Person.CountryRegion;

Python-csomagok telepítése

Töltse le és telepítse az Azure Data Studiót.

Telepítse a következő Python-csomagokat:

• pyodbc
• pandas
• sqlalchemy
• matplotlib

A csomagok telepítése:

1. Az Azure Data Studio-jegyzetfüzetben válassza a Csomagok kezelése lehetőséget.
2. A Csomagok kezelése panelen válassza az Új hozzáadása lapot.
3. Az alábbi csomagok mindegyikéhez adja meg a csomag nevét, válassza a Keresés lehetőséget, majd a Telepítés lehetőséget.

Hisztogram ábrázolása

A hisztogramban megjelenített elosztott adatok egy SQL-lekérdezésen alapulnak.AdventureWorksDW2025 A hisztogram megjeleníti az adatokat és az adatértékek gyakoriságát.

Szerkessze a kapcsolati sztring változóit: server, database, username, és password, azért, hogy csatlakozzon az SQL Server-adatbázishoz.

Új jegyzetfüzet létrehozása:

1. Az Azure Data Studióban válassza a Fájl lehetőséget, majd az Új jegyzetfüzet lehetőséget.

2. A jegyzetfüzetben válassza a Python3 kernelt, majd a +kódot.

3. Kód beillesztése a jegyzetfüzetbe. Válassza az összes futtatása lehetőséget.

   import pyodbc 
   import pandas as pd
   import matplotlib
   import sqlalchemy
   
   from sqlalchemy import create_engine
   
   matplotlib.use('TkAgg', force=True)
   from matplotlib import pyplot as plt
   
   # Some other example server values are
   # server = 'localhost\sqlexpress' # for a named instance
   # server = 'myserver,port' # to specify an alternate port
   server = 'servername'
   database = 'AdventureWorksDW2022'
   username = 'yourusername'
   password = 'databasename'
   
   url = 'mssql+pyodbc://{user}:{passwd}@{host}:{port}/{db}?driver=SQL+Server'.format(user=username, passwd=password, host=server, port=port, db=database)
   engine = create_engine(url)
   
   sql = "SELECT DATEDIFF(year, c.BirthDate, GETDATE()) AS Age FROM [dbo].[FactInternetSales] s INNER JOIN dbo.DimCustomer c ON s.CustomerKey = c.CustomerKey"
   
   df = pd.read_sql(sql, engine)
   df.hist(bins=50)
   
   plt.show()
   

A kijelzőn az ügyfelek életkor szerinti eloszlása látható a FactInternetSales táblázatban.