Histogrammen tekenen in Python

Van toepassing op:SQL ServerAzure SQL DatabaseAzure SQL Managed InstanceSQL-database in Microsoft Fabric

In dit artikel wordt beschreven hoe u gegevens plot met behulp van het Python-pakket pandas.hist(). Een SQL Server-database is de bron die wordt gebruikt om de histogramgegevensintervallen met opeenvolgende, niet-overlappende waarden te visualiseren.

Prerequisites

• SQL Server voor Windows of voor Linux

• Azure Data Studio. Zie Azure Data Studio om te installeren.

• Herstel de DW-voorbeelddatabase om voorbeeldgegevens op te halen die in dit artikel worden gebruikt.

Herstelde database controleren

U kunt controleren of de herstelde database bestaat door een query uit te voeren op de Person.CountryRegion tabel:

USE AdventureWorksDW;
SELECT * FROM Person.CountryRegion;

Python-pakketten installeren

Download en installeer Azure Data Studio.

Installeer de volgende Python-pakketten:

• pyodbc
• pandas
• sqlalchemy
• matplotlib

Ga als volgt te werk om deze pakketten te installeren:

1. Selecteer Pakketten beheren in uw Azure Data Studio-notebook.
2. Selecteer in het deelvenster Pakketten beheren het tabblad Nieuwe toevoegen .
3. Voer voor elk van de volgende pakketten de pakketnaam in, selecteer Zoeken en selecteer Vervolgens Installeren.

Histogram tekenen

De gedistribueerde gegevens die in het histogram worden weergegeven, zijn gebaseerd op een SQL-query van AdventureWorksDW2025. Het histogram visualiseert gegevens en de frequentie van gegevenswaarden.

Bewerk de verbindingsreeksvariabelen: server, database, usernameen password maak verbinding met de SQL Server-database.

Ga als volgt te werk om een nieuw notitieblok te maken:

1. Selecteer Bestand in Azure Data Studio en selecteer Nieuw notitieblok.

2. Selecteer in het notebook de kernel Python3 en klik op +code.

3. Plak code in de notebook. Selecteer Alles uitvoeren.

   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()
   

De weergave toont de leeftijdsverdeling van klanten in de FactInternetSales tabel.