Självstudie: Skapa en Jupyter Notebook i Azure Cosmos DB för NoSQL för att analysera och visualisera data (förhandsversion)

GÄLLER FÖR: NoSQL

Varning

Funktionen Jupyter Notebooks i Azure Cosmos DB dras tillbaka den 30 mars 2024. du kommer inte att kunna använda inbyggda Jupyter-notebook-filer från Azure Cosmos DB-kontot. Vi rekommenderar att du använder Visual Studio Code-stöd för Jupyter Notebooks eller din föredragna notebook-klient.

Den här självstudien beskriver hur du använder funktionen Jupyter Notebooks i Azure Cosmos DB för att importera exempeldata från detaljhandeln till ett Azure Cosmos DB för NoSQL-konto. Du ser hur du använder de magiska Kommandona i Azure Cosmos DB för att köra frågor, analysera data och visualisera resultaten.

Förutsättningar

• Ett befintligt Azure Cosmos DB för NoSQL-konto.
  • Om du har en befintlig Azure-prenumeration skapar du ett nytt konto.
  • Ingen Azure-prenumeration? Du kan prova Azure Cosmos DB kostnadsfritt utan kreditkort.

Skapa en ny notebook

I det här avsnittet skapar du Azure Cosmos-databasen, containern och importerar detaljhandelsdata till containern.

1. Gå till ditt Azure Cosmos DB-konto och öppna Datautforskaren .

2. Välj Ny anteckningsbok.

   

3. I bekräftelsedialogrutan som visas väljer du Skapa.

   Kommentar

   En tillfällig arbetsyta skapas så att du kan arbeta med Jupyter Notebooks. När sessionen upphör att gälla tas alla anteckningsböcker på arbetsytan bort.

4. Välj den kernel som du vill använda för notebook-filen.

Python

C#

Dricks

Nu när den nya notebook-filen har skapats kan du byta namn på den till något som VisualizeRetailData.ipynb.

Skapa en databas och container med hjälp av SDK

Python

1. Starta i standardkodcellen.

2. Importera alla paket som du behöver för den här självstudien.

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

3. Skapa en databas med namnet RetailIngest med hjälp av det inbyggda SDK:et.

   database = cosmos_client.create_database_if_not_exists('RetailIngest')
   

4. Skapa en container med namnet WebsiteMetrics med partitionsnyckeln/CartID.

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

5. Välj Kör för att skapa databasen och containerresursen.

   

C#

1. Starta i standardkodcellen.

2. Importera alla paket som du behöver för den här självstudien.

   using Microsoft.Azure.Cosmos;
   

3. Skapa en ny instans av klienttypen med hjälp av den inbyggda SDK:n.

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

4. Skapa en databas med namnet RetailIngest.

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

5. Skapa en container med namnet WebsiteMetrics med partitionsnyckeln/CartID.

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

6. Välj Kör för att skapa databasen och containerresursen.

   

Importera data med hjälp av magiska kommandon

1. Lägg till en ny kodcell.

2. I kodcellen lägger du till följande magiska kommando för att ladda upp JSON-data från den här URL:en till din befintliga container: 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. Välj Kör aktiv cell för att bara köra kommandot i den här specifika cellen.

   

   Kommentar

   Importkommandot bör ta 5–10 sekunder att slutföra.

4. Observera utdata från körningskommandot. Kontrollera att 2 654 dokument har importerats.

   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
   

Visualisera dina data

Python

1. Skapa en ny kodcell.

2. I kodcellen använder du en SQL-fråga för att fylla i en Pandas DataFrame.

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

3. Välj Kör aktiv cell för att bara köra kommandot i den här specifika cellen.

4. Skapa en ny kodcell.

5. I kodcellen matar du ut de 10 översta objekten från dataramen.

   df_cosmos.head(10)
   

6. Välj Kör aktiv cell för att bara köra kommandot i den här specifika cellen.

7. Observera utdata från körningen av kommandot.

   	Åtgärd	ItemRevenue	Land	Artikel
   0	Inköpt	19.99	Makedonien	Skjorta med knapp
   1	Visat	12,00	Papua Nya Guinea	Halsband
   2	Visat	25,00	Slovakien (Slovakien)	Kofta tröja
   3	Inköpt	14,00	Senegal	Flip Flop skor
   4	Visat	50.00	Panama	Jeansshorts
   5	Visat	14,00	Senegal	Flip Flop skor
   6	Tillagd	14,00	Senegal	Flip Flop skor
   7	Tillagd	50.00	Panama	Jeansshorts
   8	Inköpt	33,00	Palestinska territoriet, PS	Röd överkant
   9	Visat	30,00	Malta	Grön tröja

8. Skapa en ny kodcell.

9. Importera Pandas-paketet i kodcellen för att anpassa dataramens utdata.

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

10. Välj Kör aktiv cell för att bara köra kommandot i den här specifika cellen.

11. I utdata väljer du alternativet Linjediagram för att visa en annan visualisering av data.

    

C#

1. Skapa en ny kodcell.

2. I kodcellen skapar du en ny C#-klass som representerar ett objekt i containern.

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

3. Skapa en ny kodcell.

4. I kodcellen lägger du till kod för att köra en SQL-fråga med hjälp av SDK :et som lagrar utdata för frågan i en variabel av typen List<T> namngivna resultat.

   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. Skapa en ny kodcell.

6. I kodcellen skapar du en ordlista genom att lägga till unika permutationer av fältet Objekt som nyckel och data i fältet Pris som värde.

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

7. Välj Kör aktiv cell för att bara köra kommandot i den här specifika cellen.

8. Observera utdata med unika kombinationer av fälten Item och Price .

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

9. Skapa en ny kodcell.

10. I kodcellen matar du ut resultatvariabeln .

    results
    

11. Välj Kör aktiv cell för att bara köra kommandot i den här specifika cellen.

12. I utdata väljer du alternativet Lådritning för att visa en annan visualisering av data.

    

Spara anteckningsboken

1. I avsnittet Notebooks öppnar du snabbmenyn för anteckningsboken som du skapade för den här självstudien och väljer Ladda ned.

   

   Dricks

   Spara ditt arbete permanent genom att spara dina anteckningsböcker på en GitHub-lagringsplats eller ladda ned anteckningsböckerna till den lokala datorn innan sessionen avslutas.

Nästa steg

• Lär dig mer om funktionen Jupyter Notebooks i Azure Cosmos DB
• Importera notebook-filer från GitHub till ett Azure Cosmos DB för NoSQL-konto
• Läs vanliga frågor och svar om Stöd för Jupyter Notebook