Självstudie: Hämta och visualisera data från en notebook

Den här självstudien beskriver hur du använder en Azure Databricks-notebook-fil för att köra frågor mot exempeldata som lagras i Unity Catalog med SQL, Python, Scala och R och sedan visualisera frågeresultaten i notebook-filen.

Krav

För att slutföra uppgifterna i den här artikeln måste du uppfylla följande krav:

• Unity Catalog måste vara aktiverat på arbetsytan. Information om hur du kommer igång med Unity Catalog finns i Komma igång med Unity Catalog.
• Du måste ha behörighet att använda en befintlig beräkningsresurs eller skapa en ny beräkningsresurs. Se Kom igång-självstudier om Azure Databricks eller se din Databricks-administratör.

Steg 1: Skapa en ny notebook-fil

Om du vill skapa en notebook-fil på arbetsytan klickar du på Nytt i sidofältet och klickar sedan på Notebook. En tom anteckningsbok öppnas på arbetsytan.

Mer information om hur du skapar och hanterar notebook-filer finns i Hantera notebook-filer.

Steg 2: Fråga en tabell

Fråga tabellen samples.nyctaxi.trips i Unity Catalog med det språk du väljer.

1. Kopiera och klistra in följande kod i den nya tomma notebook-cellen. Den här koden visar resultatet från att köra frågor mot samples.nyctaxi.trips tabellen i Unity Catalog.

   SQL

   SELECT * FROM samples.nyctaxi.trips
   

   python

   display(spark.read.table("samples.nyctaxi.trips"))
   

   Scala

   display(spark.read.table("samples.nyctaxi.trips"))
   

   R

   library(SparkR)
   display(sql("SELECT * FROM samples.nyctaxi.trips"))
   

2. Tryck Shift+Enter för att köra cellen och flytta sedan till nästa cell.

   Frågeresultatet visas i notebook-filen.

Steg 3: Visa data

Visa det genomsnittliga prisbeloppet efter reseavstånd, grupperat efter postnummer för upphämtning.

1. Bredvid fliken Tabell klickar du på + och klickar sedan på Visualisering.

   Visualiseringsredigeraren visas.

2. I listrutan Visualiseringstyp kontrollerar du att Fältet är markerat.

3. Välj fare_amount för X-kolumnen.

4. Välj trip_distance för kolumnen Y.

5. Välj Average som sammansättningstyp.

6. Välj pickup_zip som grupp efter kolumn.

   

7. Klicka på Spara.

Nästa steg

• Mer information om hur du lägger till data från CSV-filen i Unity Catalog och visualiserar data finns i Självstudie: Importera och visualisera CSV-data från en notebook-fil.
• Information om hur du läser in data i Databricks med Apache Spark finns i Självstudie: Läsa in och transformera data med Apache Spark DataFrames.
• Mer information om hur du införa data i Databricks finns i Standardkontakter i Lakeflow Connect.
• Mer information om hur du frågar efter data med Databricks finns i Frågedata.
• Mer information om visualiseringar finns i Visualiseringar i Databricks Notebooks och SQL-redigeraren.
• Mer information om tekniker för undersökande dataanalys (EDA) finns i Handledning: EDA-tekniker med Databricks notebooks.