教程：创建 Jupyter 笔记本以使用 Visual Studio Code Jupyter 笔记本分析 Azure Cosmos DB for NoSQL 帐户中的数据

本教程介绍如何使用 Visual Studio Code Jupyter 笔记本与 Azure Cosmos DB for NoSQL 帐户进行交互。 你将了解如何连接到帐户、导入数据和运行查询。

先决条件

Python

• 一个现有的适用于 NoSQL 的 Azure Cosmos DB 帐户。
  • 如果你有现有的 Azure 订阅，请创建一个新帐户。
• 安装 Visual Studio Code 并设置环境以使用笔记本。

C#

• 一个现有的适用于 NoSQL 的 Azure Cosmos DB 帐户。
  • 如果你有现有的 Azure 订阅，请创建一个新帐户。
• 安装 Visual Studio Code 并设置环境以使用笔记本。
• 为 Visual Studio Code 安装 Polyglot 笔记本扩展。

创建新笔记本

在本部分，你将创建 Azure Cosmos 数据库和容器，并将零售数据导入该容器。

Python

1. 打开 Visual Studio Code。
2. 从命令面板 (Ctrl+Shift+P) 运行“创建：新 Jupyter Notebook”命令，或在工作区中创建新的 .ipynb 文件。

C#

1. 打开 Visual Studio Code。

2. 从命令面板 (Ctrl+Shift+P) 运行“Polyglot 笔记本：创建新的空白笔记本”命令。

   

3. 选择 .ipynb 文件扩展名。

4. 选择 C# 作为默认语言。

小窍门

创建新笔记本后，可以保存它并将其命名为类似于 AnalyzeRetailData.ipynb。

使用 SDK 创建数据库和容器

Python

1. 从默认代码单元格开始。

2. 安装 Azure.cosmos 包。 继续操作之前，请运行此单元。

   %pip install azure.cosmos
   

3. 导入本教程所需的所有包。

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

4. 创建 CosmosClient 的新实例。

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

5. 使用内置 SDK 创建名为“RetailIngest”的数据库。

   database = cosmos_client.create_database_if_not_exists('RetailIngest')
   

6. 使用 /CartID 分区键创建名为“WebsiteMetrics”的容器。

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

7. 选择“运行”以创建数据库和容器资源。

   

C#

1. 从默认代码单元格开始。

2. 安装 Microsoft.Azure.Cosmos NuGet 包。 在继续操作之前运行此单元。

   #r "nuget: Microsoft.Azure.Cosmos"
   

3. 创建新代码单元格。

4. 导入本教程所需的所有包。

   using Microsoft.Azure.Cosmos;
   

5. 使用内置 SDK 创建客户端类型的新实例。 填写 Azure Cosmos DB 帐户的 URI 终结点和密钥。 可以在 Azure Cosmos DB 帐户的“密钥”页中找到这些值。

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

6. 创建名为“RetailIngest”的数据库。

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

7. 使用 /CartID 分区键创建名为“WebsiteMetrics”的容器。

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

8. 选择“执行单元”以创建数据库和容器资源。

   

将数据导入容器

Python

1. 添加新的代码单元

2. 在代码单元中，添加以下代码以从此 URL 上传数据：<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. 运行该单元。 这需要 45 秒到 1 分钟才能运行。

C#

1. 添加一个新代码单元格。

2. 在代码单元格中，创建一个新的 C# 类来表示容器中的项。 运行该单元。

   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. 添加一个新代码单元格。

4. 在代码单元中，添加以下代码以从此 URL 上传数据：<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. 运行该单元。 这需要 45 秒到 1 分钟才能运行。

分析数据

Python

1. 另创建一个新的代码单元格。

2. 在代码单元格中，使用 SQL 查询填充 Pandas DataFrame。 运行此单元格。

   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. 另创建一个新的代码单元格。

4. 在代码单元格中，输出数据帧的前 10 项。 运行此单元格。

   df_cosmos.head(10)
   

5. 观察运行命令的输出。

   	Action	ItemRevenue	国家	Item
   0	已采购	19.99	马其顿	纽扣衬衫
   1	已查看	12.00	巴布亚新几内亚	项链
   2	已查看	25.00	斯洛伐克（斯洛伐克共和国）	开襟毛衣
   3	已采购	14.00	塞内加尔	人字拖
   4	已查看	50.00	巴拿马	牛仔短裤
   5	已查看	14.00	塞内加尔	人字拖
   6	Added	14.00	塞内加尔	人字拖
   7	Added	50.00	巴拿马	牛仔短裤
   8	已采购	33.00	巴勒斯坦占领区	红色上衣
   9	已查看	30.00	马耳他	绿色毛衣

6. 另创建一个新的代码单元格。

7. 在代码单元格中，导入 pandas 包以自定义数据帧的输出。 运行此单元格。

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

8. 观察运行命令的输出。

   	Item	测试
   0	人字拖	66
   1	项链	55
   2	运动鞋	111
   ...	...	...
   45	防风夹克	56

C#

1. 创建新代码单元格。

2. 在代码单元格中，添加代码以使用 SDK 执行 SQL 查询，将查询的输出存储在 List<T> 类型名为 results 的变量中。

   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. 另创建一个新的代码单元格。

4. 在代码单元中，通过将“Item”字段的唯一排列添加为键，将“Price”字段的和添加为值，从而创建字典。 这给出了每个物品的总销售额。 运行此单元格。

   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. 观察具有“Item”和“Price”字段的唯一组合的输出。

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

后续步骤

• 适用于 .NET 的 Azure Cosmos DB for NoSQL 客户端库入门
• 适用于 Python 的 Azure Cosmos DB for NoSQL 客户端库入门