Esercitazione: Creare un Jupyter Notebook in Azure Cosmos DB for NoSQL per analizzare e visualizzare i dati (anteprima)

SI APPLICA A: NoSQL

Avviso

La funzionalità Jupyter Notebook di Azure Cosmos DB verrà ritirata il 30 marzo 2024; non sarà possibile usare i notebook Jupyter predefiniti dall'account di Azure Cosmos DB. È consigliabile usare il supporto di Visual Studio Code per Notebook Jupyter o il client dei notebook preferito.

Questa esercitazione descrive come usare la funzionalità Jupyter Notebooks di Azure Cosmos DB per importare dati di vendita al dettaglio di esempio in un account Azure Cosmos DB for NoSQL. Si vedrà come usare i comandi magic Azure Cosmos DB per eseguire query, analizzare i dati e visualizzare i risultati.

Prerequisiti

• Un account Azure Cosmos DB for NoSQL già presente.
  • Se si ha già una sottoscrizione di Azure, creare un nuovo account.
  • Se non si ha una sottoscrizione di Azure, è possibile provare Azure Cosmos DB gratuitamente senza necessità di carta di credito.

Creare un nuovo notebook

In questa sezione si creeranno il database di Azure Cosmos e il contenitore e si importeranno i dati retail nel contenitore.

1. Passare all'account Azure Cosmos DB e aprire Esplora dati.

2. Selezionare Nuovo notebook.

   

3. Nella finestra di dialogo di conferma visualizzata, selezionare Crea.

   Nota

   Verrà creata un'area di lavoro temporanea per consentire l'uso dei Jupyter Notebook. Alla scadenza della sessione, tutti i notebook nell'area di lavoro saranno rimossi.

4. Selezionare il kernel da usare per il notebook.

Python

C#

Suggerimento

Ora che è stato creato un nuovo notebook è possibile rinominarlo, ad esempio come VisualizeRetailData.ipynb.

Creare un database e un contenitore usando il set SDK

Python

1. Iniziare nella cella di codice predefinita.

2. Importare tutti i pacchetti necessari per questa esercitazione.

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

3. Creare un database denominato RetailIngest usando lo standard SDK predefinito.

   database = cosmos_client.create_database_if_not_exists('RetailIngest')
   

4. Creare un contenitore denominato WebsiteMetrics con una chiave di partizione di /CartID.

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

5. Selezionare Esegui per creare il database e la risorsa contenitore.

   

C#

1. Iniziare nella cella di codice predefinita.

2. Importare tutti i pacchetti necessari per questa esercitazione.

   using Microsoft.Azure.Cosmos;
   

3. Creare una nuova istanza del tipo di client usando lo standard SDK predefinito.

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

4. Creare un database denominato RetailIngest.

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

5. Creare un contenitore denominato WebsiteMetrics con una chiave di partizione di /CartID.

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

6. Selezionare Esegui per creare il database e la risorsa contenitore.

   

Importare dati usando i comandi magic

1. Aggiungere una nuova cella di codice.

2. Nella cella di codice aggiungere il comando magic seguente per caricare, nel contenitore esistente, i dati JSON di questo 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. Selezionare Esegui cella attiva per eseguire il comando solo in questa cella specifica.

   

   Nota

   Il completamento del comando di importazione deve richiedere 5-10 secondi.

4. Osservare l'output del comando di esecuzione. Assicurarsi che siano stati importati 2.654 documenti.

   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
   

Visualizzare i dati

Python

1. Creare un'altra cella di codice nuova.

2. Nella cella di codice usare una query SQL per popolare un Pandas DataFrame.

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

3. Selezionare Esegui cella attiva per eseguire il comando solo in questa cella specifica.

4. Creare un'altra cella di codice nuova.

5. Nella cella di codice fornire i primi 10 elementi dal Dataframe.

   df_cosmos.head(10)
   

6. Selezionare Esegui cella attiva per eseguire il comando solo in questa cella specifica.

7. Osservare l'output dell'esecuzione del comando.

   	Azione	ItemRevenue	Country	Articolo
   0	Acquistato	19,99	Macedonia	Camicia button-up
   1	Visualizzato	12,00	Papua Nuova Guinea	Collana
   2	Visualizzato	25.00	Slovacchia (Repubblica slovacca)	Cardigan
   3	Acquistato	14,00	Senegal	Infradito
   4	Visualizzato	50.00	Panama	Pantaloncini denim
   5	Visualizzato	14,00	Senegal	Infradito
   6	Aggiunto	14,00	Senegal	Infradito
   7	Aggiunto	50.00	Panama	Pantaloncini denim
   8	Acquistato	33.00	Palestina	Maglia rossa
   9	Visualizzato	30.00	Malta	Maglione verde

8. Creare un'altra cella di codice nuova.

9. Nella cella di codice importare il pacchetto pandas per personalizzare l'output del dataframe.

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

10. Selezionare Esegui cella attiva per eseguire il comando solo in questa cella specifica.

11. Nell'output selezionare l'opzione Grafico a linee per ottenere una vista diversa dei dati.

    

C#

1. Creare una nuova cella di codice.

2. Nella cella di codice creare una nuova classe C# per rappresentare un elemento nel contenitore.

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

3. Creare un'altra cella di codice nuova.

4. Nella cella di codice aggiungere il codice per eseguire una query SQL usando il pacchetto SDK che archivia l'output della query in una variabile di tipo List<T> denominata risultati.

   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. Creare un'altra cella di codice nuova.

6. Nella cella di codice creare un dizionario aggiungendo le permutazioni univoche del campo Elemento come chiave e i dati nel campo Price come valore.

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

7. Selezionare Esegui cella attiva per eseguire il comando solo in questa cella specifica.

8. Osservare l'output con combinazioni univoche dei campi Elemento e Price.

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

9. Creare un'altra cella di codice nuova.

10. Nella cella di codice fornire la variabile dei risultati.

    results
    

11. Selezionare Esegui cella attiva per eseguire il comando solo in questa cella specifica.

12. Nell'output selezionare l'opzione Box Plot per ottenere una vista diversa dei dati.

    

Rendere permanente il notebook

1. Nella sezione Notebook aprire il menu di scelta rapida per il notebook creato per questa esercitazione e selezionare Scarica.

   

   Suggerimento

   Per salvare il lavoro in modo permanente, salvare i notebook in un repository GitHub o scaricarli nel computer locale prima del termine della sessione.

Passaggi successivi

• Informazioni sulla funzionalità Jupyter Notebook in Azure Cosmos DB
• Importare notebook da GitHub in un account Azure Cosmos DB for NoSQL
• Esaminare le domande frequenti sul supporto di Jupyter Notebook