Esercitazione: Creare un notebook Jupyter per analizzare i dati nell'account Azure Cosmos DB for NoSQL usando i notebook jupyter di Visual Studio Code

SI APPLICA A: NoSQL

Questa esercitazione illustra come usare i notebook Jupyter di Visual Studio Code per interagire con l'account Azure Cosmos DB for NoSQL. Si vedrà come connettersi all'account, importare i dati ed eseguire query.

Prerequisiti

Python

• 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.
• Installare visual Studio Code e configurare l'ambiente per usare i notebook.

C#

• 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.
• Installare Visual Studio Code e configurare l'ambiente per usare i notebook.
• Installare l'estensione dei notebook multilingue per Visual Studio Code.

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.

Python

1. Aprire Visual Studio Code.
2. Eseguire il comando Crea: Nuovo Jupyter Notebook dal riquadro comandi (Ctrl+Maiusc+P) o creare un nuovo file .ipynb nell'area di lavoro.

C#

1. Aprire Visual Studio Code.

2. Eseguire il comando Notebook multilingue: Crea nuovo notebook vuoto dal riquadro comandi (Ctrl+Maiusc+P).

   

3. Selezionare l'estensione di file .ipynb.

4. Selezionare C# come lingua predefinita.

Suggerimento

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

Creare un database e un contenitore usando l'SDK

Python

1. Iniziare nella cella di codice predefinita.

2. Installare il pacchetto Azure.cosmos. Eseguire questa cella prima di continuare.

   %pip install azure.cosmos
   

3. Importare tutti i pacchetti necessari per questa esercitazione.

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

4. Creare una nuova istanza di CosmosClient.

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

5. Creare un database denominato RetailIngest usando l'SDK integrato.

   database = cosmos_client.create_database_if_not_exists('RetailIngest')
   

6. 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'))
   

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

   

C#

1. Iniziare nella cella di codice predefinita.

2. Installare il pacchetto NuGet Microsoft.Azure.Cosmos. Eseguire questa cella prima di continuare.

   #r "nuget: Microsoft.Azure.Cosmos"
   

3. Creare una nuova cella di codice.

4. Importare tutti i pacchetti necessari per questa esercitazione.

   using Microsoft.Azure.Cosmos;
   

5. Creare una nuova istanza del tipo di client usando l'SDK integrato. Compilare l'endpoint URI e la chiave dell'account Azure Cosmos DB. È possibile trovare questi valori nella pagina Chiavi nell'account Azure Cosmos DB.

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

6. Creare un database denominato RetailIngest.

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

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

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

8. Selezionare Esegui cella per creare il database e la risorsa contenitore.

   

Importare i dati in un contenitore

Python

1. Aggiungere una nuova cella di codice

2. Nella cella di codice, aggiungere il codice seguente per caricare i dati da questo 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. Eseguire la cella. L'esecuzione richiederà da 45 secondi a 1 minuto.

C#

1. Aggiungere una nuova cella di codice.

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

   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. Aggiungere una nuova cella di codice.

4. Nella cella di codice, aggiungere il codice seguente per caricare i dati da questo 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. Eseguire la cella. L'esecuzione richiederà da 45 secondi a 1 minuto.

Analizzare 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. Eseguire questa cella.

   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. Creare un'altra cella di codice nuova.

4. Nella cella di codice, fornire i primi 10 elementi dal dataframe. Eseguire questa cella.

   df_cosmos.head(10)
   

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

   	Azione	ItemRevenue	Country	Articolo
   0	Acquistato	19,99	Macedonia	Camicia con bottoni
   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	Shorts in denim
   5	Visualizzato	14,00	Senegal	Infradito
   6	Aggiunto	14,00	Senegal	Infradito
   7	Aggiunto	50.00	Panama	Shorts in denim
   8	Acquistato	33.00	Palestina	Maglia rossa
   9	Visualizzato	30.00	Malta	Maglione verde

6. Creare un'altra cella di codice nuova.

7. Nella cella di codice, importare il pacchetto pandas per personalizzare l'output del dataframe. Eseguire questa cella.

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

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

   	Articolo	Test
   0	Infradito	66
   1	Collana	55
   2	Scarpa da ginnastica	111
   ...	...	...
   45	Giacca a vento	56

C#

1. Creare una nuova cella di codice.

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

   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. Creare un'altra cella di codice nuova.

4. Nella cella di codice, creare un dizionario aggiungendo le permutazioni univoche del campo Elemento come chiave e la somma del campo Prezzo come valore. In questo modo, vengono fornite le vendite totali per ogni articolo. Eseguire questa cella.

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

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

Passaggi successivi

• Iniziare a usare la libreria client di Azure Cosmos DB for NoSQL per .NET
• Iniziare a usare la libreria client di Azure Cosmos DB for NoSQL per Python