Руководство. Создание Jupyter Notebook в Azure Cosmos DB для NoSQL для анализа и визуализации данных (предварительная версия)

ОБЛАСТЬ ПРИМЕНЕНИЯ: NoSQL

Важно!

Функция Jupyter Notebook в Azure Cosmos DB в настоящее время находится в состоянии предварительной версии и постепенно развертывается для всех клиентов с течением времени.

В этом руководстве описывается, как использовать функцию Записных книжек Jupyter в Azure Cosmos DB для импорта примера данных розничной торговли в учетную запись Azure Cosmos DB для NoSQL. Вы узнаете, как использовать магические команды Azure Cosmos DB для выполнения запросов, анализа данных и визуализации результатов.

Предварительные требования

• Существующая учетная запись Azure Cosmos DB для NoSQL.
  • Если у вас есть подписка Azure, создайте новую учетную запись.
  • Нет подписки Azure? Вы можете попробовать Azure Cosmos DB бесплатно , не требуя кредитной карты.

Создание записной книжки

В этом разделе вы создадите базу данных, контейнер Azure Cosmos и импортируете данные розничной торговли в контейнер.

1. Перейдите к учетной записи Azure Cosmos DB и откройте Data Explorer.

2. Щелкните Создать записную книжку.

   

3. В появившемся диалоговом окне подтверждения выберите Создать.

   Примечание

   Будет создана временная рабочая область, позволяющая работать с записными книжками Jupyter Notebook. По истечении срока действия сеанса все записные книжки в рабочей области будут удалены.

4. Выберите ядро, которое вы хотите использовать для записной книжки.

Python

C#

Совет

Теперь, когда новая записная книжка создана, можно переименовать ее на visualizeRetailData.ipynb.

Создание базы данных и контейнера с помощью пакета SDK

Python

1. Начните с ячейки кода по умолчанию.

2. Импортируйте все пакеты, необходимые для работы с этим руководством.

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

3. Создайте базу данных с именем RetailIngest с помощью встроенного пакета SDK.

   database = cosmos_client.create_database_if_not_exists('RetailIngest')
   

4. Создайте контейнер с именем WebsiteMetrics с ключом секции /CartID.

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

5. Выберите Выполнить , чтобы создать базу данных и ресурс контейнера.

   

C#

1. Начните с ячейки кода по умолчанию.

2. Импортируйте все пакеты, необходимые для работы с этим руководством.

   using Microsoft.Azure.Cosmos;
   

3. Создайте новый экземпляр типа клиента с помощью встроенного пакета SDK.

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

4. Создайте базу данных с именем RetailIngest.

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

5. Создайте контейнер с именем WebsiteMetrics с ключом секции /CartID.

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

6. Выберите Выполнить , чтобы создать базу данных и ресурс контейнера.

   

Импорт данных с помощью магических команд

1. Добавьте новую ячейку кода.

2. В ячейке кода добавьте следующую магическую команду, чтобы отправить в существующий контейнер данные JSON из этого URL-адреса: 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. Выберите Выполнить активную ячейку , чтобы выполнить команду только в этой ячейке.

   

   Примечание

   Выполнение команды импорта должно занять 5–10 секунд.

4. Просмотрите выходные данные команды run. Убедитесь, что импортировано 2654 документа.

   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
   

Визуализация данных

Python

1. Создайте новую ячейку кода.

2. В ячейке кода используйте SQL-запрос для заполнения кадра данных Pandas.

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

3. Выберите Выполнить активную ячейку , чтобы выполнить команду только в этой ячейке.

4. Создайте новую ячейку кода.

5. В ячейке кода выведите первые 10 элементов из кадра данных.

   df_cosmos.head(10)
   

6. Выберите Выполнить активную ячейку , чтобы выполнить команду только в этой ячейке.

7. Просмотрите выходные данные выполнения команды.

   	Действие	ItemRevenue	Страна или регион	Элемент
   0	Приобретено	19.99	Бывшая югославская Республика Македония	Button-Up рубашка
   1	Просмотрели	12,00	Папуа — Новая Гвинея	Ожерелье
   2	Просмотрели	25.00	Словакия (Словацкая Республика)	Кардиган свитер
   3	Приобретено	14.00	Сенегал	Флип-флоп обувь
   4	Просмотрели	50,00	Панама	Джинсовые шорты
   5	Просмотрели	14.00	Сенегал	Флип-флоп обувь
   6	Добавлено	14.00	Сенегал	Флип-флоп обувь
   7	Добавлено	50,00	Панама	Джинсовые шорты
   8	Приобретено	33	Палестинские территории	Красный верхний
   9	Просмотрели	30,00	Мальта	Зеленый свитер

8. Создайте новую ячейку кода.

9. В ячейке кода импортируйте пакет Pandas , чтобы настроить выходные данные кадра данных.

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

10. Выберите Выполнить активную ячейку , чтобы выполнить команду только в этой ячейке.

11. В выходных данных выберите параметр График , чтобы просмотреть другую визуализацию данных.

    

C#

1. Создайте новую ячейку кода.

2. В ячейке кода создайте класс C#, который будет представлять элемент в контейнере.

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

3. Создайте новую ячейку кода.

4. В ячейку кода добавьте код для выполнения SQL-запроса с помощью пакета SDK , храня выходные данные запроса в переменной типа List<T>results.

   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. Создайте новую ячейку кода.

6. В ячейке кода создайте словарь, добавив уникальные перестановки поля Item в качестве ключа и данные в поле Price в качестве значения.

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

7. Выберите Выполнить активную ячейку , чтобы выполнить команду только в этой ячейке.

8. Просмотрите выходные данные с уникальными сочетаниями полей "Элемент" и "Цена ".

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

9. Создайте новую ячейку кода.

10. В ячейке кода выведите переменную результатов .

    results
    

11. Выберите Выполнить активную ячейку , чтобы выполнить команду только в этой ячейке.

12. В выходных данных выберите параметр Box Plot ,чтобы просмотреть другую визуализацию данных.

    

Сохранение записной книжки

1. В разделе Записные книжки откройте контекстное меню записной книжки, созданной для этого руководства, и выберите Скачать.

   

   Совет

   Чтобы сохранить работу навсегда, сохраните свои записные книжки в репозитории GitHub или скачайте записные книжки на локальный компьютер до завершения сеанса.

Дальнейшие действия

• Сведения о функции Jupyter Notebook в Azure Cosmos DB
• Импорт записных книжек из GitHub в учетную запись Azure Cosmos DB для NoSQL
• Ознакомьтесь с часто задаваемыми вопросами о поддержке Jupyter Notebook