顯現資料
Azure Synapse 是整合式分析服務，可加速跨數據倉儲和巨量數據分析系統的深入解析時間。 數據視覺效果是能夠深入了解數據的重要元件。 它有助於讓人類更容易瞭解巨量和小型數據。 它也可讓您更輕鬆地在數據群組中偵測模式、趨勢和極端值。
在 Azure Synapse Analytics 中使用 Apache Spark 時，有各種內建選項可協助您將數據可視化，包括 Synapse 筆記本圖表選項、存取熱門的開放原始碼連結庫，以及與 Synapse SQL 和 Power BI 整合。
筆記本圖表選項
使用 Azure Synapse 筆記本時，您可以使用圖表選項，將表格式結果檢視轉換成自定義圖表。 在這裡，您可以將數據可視化，而不需要撰寫任何程序代碼。
display（df） 函式
函 display 式可讓您將 SQL 查詢和 Apache Spark 數據框架和 RDD 轉換成豐富的資料視覺效果。 函 display 式可用於 PySpark、Scala、Java、R 和 .NET 中建立的數據框架或 RDD。
若要存取圖表選項：
魔術命令的
%%sql輸出預設會出現在轉譯的數據表檢視中。 您也可以呼叫display(df)Spark DataFrames 或復原分散式數據集 （RDD） 函式，以產生轉譯的數據表檢視。一旦您擁有轉譯的數據表檢視，請切換至 [圖表檢視]。
您現在可以藉由指定下列值來自定義視覺效果：
組態 描述 圖表類型 函 display式支持各種不同的圖表類型，包括條形圖、散佈圖、折線圖等等索引鍵 指定 X 軸的值範圍 值 指定 y 軸值的值範圍 序列群組 用來判斷匯總的群組 彙總 在視覺效果中匯總數據的方法 注意
根據預設，函
display(df)式只會採用前 1000 個數據列來轉譯圖表。 檢查 [彙總所有結果]，然後按兩下 [套用] 按鈕，您將從整個數據集套用圖表產生。 當圖表設定變更時，將會觸發 Spark 作業。 請注意，完成計算並轉譯圖表可能需要幾分鐘的時間。完成後，您可以檢視最終視覺效果並與其互動！
display（df） 統計數據詳細數據
您可以使用 display(df, summary = true) 來檢查指定 Apache Spark DataFrame 的統計數據摘要，其中包含每個數據行的數據行名稱、數據行類型、唯一值和遺漏值。 您也可以選取特定數據行，以查看其最小值、最大值、平均值和標準偏差。
displayHTML（） 選項
Azure Synapse Analytics 筆記本支援使用 displayHTML 函式的 HTML 圖形。
下圖是使用 D3.js 建立視覺效果的範例。
執行下列程式代碼以建立上述視覺效果。
displayHTML("""<!DOCTYPE html>
<meta charset="utf-8">
<!-- Load d3.js -->
<script src="https://d3js.org/d3.v4.js"></script>
<!-- Create a div where the graph will take place -->
<div id="my_dataviz"></div>
<script>
// set the dimensions and margins of the graph
var margin = {top: 10, right: 30, bottom: 30, left: 40},
width = 400 - margin.left - margin.right,
height = 400 - margin.top - margin.bottom;
// append the svg object to the body of the page
var svg = d3.select("#my_dataviz")
.append("svg")
.attr("width", width + margin.left + margin.right)
.attr("height", height + margin.top + margin.bottom)
.append("g")
.attr("transform",
"translate(" + margin.left + "," + margin.top + ")");
// Create Data
var data = [12,19,11,13,12,22,13,4,15,16,18,19,20,12,11,9]
// Compute summary statistics used for the box:
var data_sorted = data.sort(d3.ascending)
var q1 = d3.quantile(data_sorted, .25)
var median = d3.quantile(data_sorted, .5)
var q3 = d3.quantile(data_sorted, .75)
var interQuantileRange = q3 - q1
var min = q1 - 1.5 * interQuantileRange
var max = q1 + 1.5 * interQuantileRange
// Show the Y scale
var y = d3.scaleLinear()
.domain([0,24])
.range([height, 0]);
svg.call(d3.axisLeft(y))
// a few features for the box
var center = 200
var width = 100
// Show the main vertical line
svg
.append("line")
.attr("x1", center)
.attr("x2", center)
.attr("y1", y(min) )
.attr("y2", y(max) )
.attr("stroke", "black")
// Show the box
svg
.append("rect")
.attr("x", center - width/2)
.attr("y", y(q3) )
.attr("height", (y(q1)-y(q3)) )
.attr("width", width )
.attr("stroke", "black")
.style("fill", "#69b3a2")
// show median, min and max horizontal lines
svg
.selectAll("toto")
.data([min, median, max])
.enter()
.append("line")
.attr("x1", center-width/2)
.attr("x2", center+width/2)
.attr("y1", function(d){ return(y(d))} )
.attr("y2", function(d){ return(y(d))} )
.attr("stroke", "black")
</script>
"""
)
Python 連結庫
在數據視覺效果方面，Python 提供多個圖形連結庫，其中包含許多不同的功能。 根據預設，Azure Synapse Analytics 中的每個 Apache Spark 集區都包含一組策劃且熱門的開放原始碼連結庫。 您也可以使用 Azure Synapse Analytics 連結庫管理功能來新增或管理其他連結庫和版本。
Matplotlib
您可以使用每個連結庫的內建轉譯函式，來轉譯標準繪製連結庫，例如 Matplotlib。
下圖是使用 Matplotlib 建立條形圖的範例。
執行下列範例程式代碼來繪製上述影像。
# Bar chart
import matplotlib.pyplot as plt
x1 = [1, 3, 4, 5, 6, 7, 9]
y1 = [4, 7, 2, 4, 7, 8, 3]
x2 = [2, 4, 6, 8, 10]
y2 = [5, 6, 2, 6, 2]
plt.bar(x1, y1, label="Blue Bar", color='b')
plt.bar(x2, y2, label="Green Bar", color='g')
plt.plot()
plt.xlabel("bar number")
plt.ylabel("bar height")
plt.title("Bar Chart Example")
plt.legend()
plt.show()
Bokeh
您可以使用 來轉譯 HTML 或互動式連結庫，例如 bokehdisplayHTML(df)。
下圖是使用 bokeh繪製地圖圖像的範例。
執行下列範例程式代碼來繪製上述影像。
from bokeh.plotting import figure, output_file
from bokeh.tile_providers import get_provider, Vendors
from bokeh.embed import file_html
from bokeh.resources import CDN
from bokeh.models import ColumnDataSource
tile_provider = get_provider(Vendors.CARTODBPOSITRON)
# range bounds supplied in web mercator coordinates
p = figure(x_range=(-9000000,-8000000), y_range=(4000000,5000000),
x_axis_type="mercator", y_axis_type="mercator")
p.add_tile(tile_provider)
# plot datapoints on the map
source = ColumnDataSource(
data=dict(x=[ -8800000, -8500000 , -8800000],
y=[4200000, 4500000, 4900000])
)
p.circle(x="x", y="y", size=15, fill_color="blue", fill_alpha=0.8, source=source)
# create an html document that embeds the Bokeh plot
html = file_html(p, CDN, "my plot1")
# display this html
displayHTML(html)
Plotly
您可以使用 displayHTML（）來轉譯 HTML 或互動式連結庫，例如 Plotly。
執行下列範例程式代碼來繪製下圖。
from urllib.request import urlopen
import json
with urlopen('https://raw.githubusercontent.com/plotly/datasets/master/geojson-counties-fips.json') as response:
counties = json.load(response)
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/fips-unemp-16.csv",
dtype={"fips": str})
import plotly
import plotly.express as px
fig = px.choropleth(df, geojson=counties, locations='fips', color='unemp',
color_continuous_scale="Viridis",
range_color=(0, 12),
scope="usa",
labels={'unemp':'unemployment rate'}
)
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
# create an html document that embeds the Plotly plot
h = plotly.offline.plot(fig, output_type='div')
# display this html
displayHTML(h)
熊貓
您可以將 pandas 資料框架的 HTML 輸出視為預設輸出，筆記本會自動顯示樣式的 HTML 內容。
import pandas as pd
import numpy as np
df = pd.DataFrame([[38.0, 2.0, 18.0, 22.0, 21, np.nan],[19, 439, 6, 452, 226,232]],
index=pd.Index(['Tumour (Positive)', 'Non-Tumour (Negative)'], name='Actual Label:'),
columns=pd.MultiIndex.from_product([['Decision Tree', 'Regression', 'Random'],['Tumour', 'Non-Tumour']], names=['Model:', 'Predicted:']))
df
其他連結庫
除了這些連結庫之外，Azure Synapse Analytics 運行時間也包含下列一組經常用於數據視覺效果的連結庫：
您可以流覽 Azure Synapse Analytics 執行時間 檔 ，以取得可用連結庫和版本的最新資訊。
R 連結庫 （預覽）
R 生態系統提供多個圖形連結庫，其中包含許多不同的功能。 根據預設，Azure Synapse Analytics 中的每個 Apache Spark 集區都包含一組策劃且熱門的開放原始碼連結庫。 您也可以使用 Azure Synapse Analytics 連結庫管理功能來新增或管理其他連結庫和版本。
ggplot2
ggplot2 連結庫很適合用於數據視覺效果和探勘數據分析。
library(ggplot2)
data(mpg, package="ggplot2")
theme_set(theme_bw())
g <- ggplot(mpg, aes(cty, hwy))
# Scatterplot
g + geom_point() +
geom_smooth(method="lm", se=F) +
labs(subtitle="mpg: city vs highway mileage",
y="hwy",
x="cty",
title="Scatterplot with overlapping points",
caption="Source: midwest")
rBokeh
rBokeh 是原生 R 繪圖連結庫，可用來建立由 Bokeh 視覺效果連結庫支援的互動式圖形。
若要安裝 rBokeh，您可以使用下列命令：
install.packages("rbokeh")
安裝之後，您可以利用 rBokeh 來建立互動式視覺效果。
library(rbokeh)
p <- figure() %>%
ly_points(Sepal.Length, Sepal.Width, data = iris,
color = Species, glyph = Species,
hover = list(Sepal.Length, Sepal.Width))
R Plotly
Plotly 的 R 圖形連結庫會製作互動式出版物質量圖表。
若要安裝 Plotly，您可以使用下列命令：
install.packages("plotly")
安裝之後，您可以利用 Plotly 建立互動式視覺效果。
library(plotly)
fig <- plot_ly() %>%
add_lines(x = c("a","b","c"), y = c(1,3,2))%>%
layout(title="sample figure", xaxis = list(title = 'x'), yaxis = list(title = 'y'), plot_bgcolor = "#c7daec")
fig
Highcharter
Highcharter 是 Highcharts JavaScript 連結庫及其模組的 R 包裝函式。
若要安裝 Highcharter，您可以使用下列命令：
install.packages("highcharter")
安裝之後，您可以利用 Highcharter 來建立互動式視覺效果。
library(magrittr)
library(highcharter)
hchart(mtcars, "scatter", hcaes(wt, mpg, z = drat, color = hp)) %>%
hc_title(text = "Scatter chart with size and color")
使用 Apache Spark 和 SQL 隨選 連線 至 Power BI
Azure Synapse Analytics 與 Power BI 深入整合，讓數據工程師能夠建置分析解決方案。
Azure Synapse Analytics 可讓不同的工作區計算引擎在其 Spark 集區和無伺服器 SQL 集區之間共用資料庫和數據表。 使用共享元數據模型，您可以使用 SQL 隨選查詢 Apache Spark 數據表。 完成後，您可以將 SQL 隨選端點連線至 Power BI，以輕鬆地查詢同步處理的 Spark 數據表。
下一步
- 如需如何設定 Spark SQL DW 連線 or：Synapse SQL 連接器的詳細資訊
- 檢視默認連結庫： Azure Synapse Analytics 運行時間
意見反應
即將登場：在 2024 年，我們將逐步淘汰 GitHub 問題作為內容的意見反應機制，並將它取代為新的意見反應系統。 如需詳細資訊，請參閱：https://aka.ms/ContentUserFeedback。
提交並檢視相關的意見反應