Построение гистограмм в Python

Применимо к:SQL ServerAzure SQL База данныхAzure SQL Управляемый экземплярSQL База данных в Microsoft Fabric

В этой статье описывается построение графиков данных с помощью пакета Python pandas'.hist(). База данных SQL Server — это источник, используемый для визуализации интервалов данных гистограммы, имеющих последовательные не перекрывающиеся значения.

Prerequisites

• SQL Server для Windows или для Linux

• Azure Data Studio. Сведения об установке см. в разделе Azure Data Studio.

• Восстановление образца базы данных DW для получения демонстрационных данных, используемых в этой статье.

Проверка восстановленной базы данных

Чтобы убедиться, что восстановленная база данных существует, выполните запрос к Person.CountryRegion таблице:

USE AdventureWorksDW;
SELECT * FROM Person.CountryRegion;

Установка пакетов Python

Скачивание и установка Azure Data Studio.

Установите следующие пакеты Python.

• pyodbc
• pandas
• sqlalchemy
• matplotlib

Чтобы установить эти пакеты, выполните приведенные ниже действия.

1. В записной книжке Azure Data Studio выберите Управление пакетами.
2. В области Управление пакетами выберите вкладку Добавить новые.
3. Для каждого из следующих пакетов введите имя пакета, нажмите Поиск, а затем — Установить.

Построить гистограмму

Распределенные данные, отображаемые в гистограмме, основаны на SQL-запросе.AdventureWorksDW2025 Гистограмма визуализирует данные и частоту значений данных.

Измените переменные строки подключения: server, database, usernameи password для подключения к базе данных SQL Server.

Чтобы создать записную книжку:

1. В Azure Data Studio выберите пункт Файл и Новая записная книжка.

2. В записной книжке выберите ядро Python3 и нажмите + Код.

3. Вставьте код в записную книжку. Выберите Запустить все.

   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()
   

На экране отображается распределение возрастов клиентов в FactInternetSales таблице.