共用方式為


Python 教學課程:準備資料以使用 SQL 機器學習來分類客戶

適用於: SQL Server 2017 (14.x) 和更新版本 Azure SQL 受控執行個體

在本教學課程系列的第二部分 (總共四個部分) 中,您將使用 Python 還原和準備資料庫的資料。 在本系列稍後,您將使用此資料搭配 SQL Server 機器學習服務,在 Python 中定型和部署叢集模型,或在巨量資料叢集上進行此定型和部署。

在本教學課程系列的第二部分 (總共四個部分) 中,您將使用 Python 還原和準備資料庫的資料。 在本系列稍後,您將使用 SQL Server 機器學習服務,在 Python 中定型和部署叢集模型。

在本教學課程系列的第二部分 (總共四個部分) 中,您將使用 Python 還原和準備資料庫的資料。 在本系列稍後,您將使用 Azure SQL Server 受控執行個體機器學習服務,在 Python 中以本資料定型和部署叢集模型。

在本文中,您將學會如何:

  • 使用 Python 劃分不同維度的客戶
  • 將資料庫中的資料載入至 Python 資料框架

第一部分中,您已安裝必要條件並還原範例資料庫。

第三部分,您將了解如何在 Python 中建立和定型 K-Means 叢集模型。

第四部分,您將了解如何在資料庫中建立預存程序,以根據新的資料在 Python 中執行叢集。

Prerequisites

  • 本教學課程的第二部分假設您已滿足第一部分的必要條件。

劃分客戶

若要準備叢集客戶,您必須先依照下列維度來劃分客戶:

  • orderRatio = 退貨訂單率 (部分退貨或全部退貨的訂單總數與訂單總數比較)
  • itemsRatio = 退貨率 (退貨總數與購買項目數目比較)
  • monetaryRatio = 退貨金額率 (退貨的貨幣金額總計與購買金額比較)
  • frequency = 退貨頻率

在 Azure Data Studio 中開啟新的筆記本,並輸入以下指令碼。

在連接字串中,視需要取代連線詳細資料。

# Load packages.
import pyodbc
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from scipy.spatial import distance as sci_distance
from sklearn import cluster as sk_cluster

################################################################################################

## Connect to DB and select data

################################################################################################

# Connection string to connect to SQL Server named instance.
conn_str = pyodbc.connect('DRIVER={ODBC Driver 17 for SQL Server}; SERVER=<server>; DATABASE=tpcxbb_1gb; UID=<username>; PWD=<password>')

input_query = '''SELECT
ss_customer_sk AS customer,
ROUND(COALESCE(returns_count / NULLIF(1.0*orders_count, 0), 0), 7) AS orderRatio,
ROUND(COALESCE(returns_items / NULLIF(1.0*orders_items, 0), 0), 7) AS itemsRatio,
ROUND(COALESCE(returns_money / NULLIF(1.0*orders_money, 0), 0), 7) AS monetaryRatio,
COALESCE(returns_count, 0) AS frequency
FROM
(
  SELECT
    ss_customer_sk,
    -- return order ratio
    COUNT(distinct(ss_ticket_number)) AS orders_count,
    -- return ss_item_sk ratio
    COUNT(ss_item_sk) AS orders_items,
    -- return monetary amount ratio
    SUM( ss_net_paid ) AS orders_money
  FROM store_sales s
  GROUP BY ss_customer_sk
) orders
LEFT OUTER JOIN
(
  SELECT
    sr_customer_sk,
    -- return order ratio
    count(distinct(sr_ticket_number)) as returns_count,
    -- return ss_item_sk ratio
    COUNT(sr_item_sk) as returns_items,
    -- return monetary amount ratio
    SUM( sr_return_amt ) AS returns_money
FROM store_returns
GROUP BY sr_customer_sk ) returned ON ss_customer_sk=sr_customer_sk'''


# Define the columns we wish to import.
column_info = {
    "customer": {"type": "integer"},
    "orderRatio": {"type": "integer"},
    "itemsRatio": {"type": "integer"},
    "frequency": {"type": "integer"}
}

將資料載入資料框架

查詢的結果會使用 Pandas read_sql 函式傳回至 Python。 作為此流程的一部分,您將使用在先前指令碼中定義的資料行資訊。

customer_data = pd.read_sql(input_query, conn_str)

現在會顯示資料框架的開頭,以驗證它看起來正確。

print("Data frame:", customer_data.head(n=5))
Rows Read: 37336, Total Rows Processed: 37336, Total Chunk Time: 0.172 seconds
Data frame:     customer  orderRatio  itemsRatio  monetaryRatio  frequency
0    29727.0    0.000000    0.000000       0.000000          0
1    97643.0    0.068182    0.078176       0.037034          3
2    57247.0    0.000000    0.000000       0.000000          0
3    32549.0    0.086957    0.068657       0.031281          4
4     2040.0    0.000000    0.000000       0.000000          0

清除資源

如果您不打算繼續進行本教學課程,請刪除 tpcxbb_1gb 資料庫。

後續步驟

在本教學課程系列的第二部分中,您已完成下列步驟:

  • 使用 Python 劃分不同維度的客戶
  • 將資料庫中的資料載入至 Python 資料框架

若要建立使用此客戶資料的機器學習模型,請遵循此教學課程系列的第三部分: