Notebook 查询与分析

1. 创建个人开发环境实例

Notebook运行依赖个人开发环境实例，使用前需先创建并切换至目标实例。您可以通过个人开发环境实例安装Notebook节点开发依赖的环境，如Python第三方依赖。

2. 选择个人开发环境

在数据分析页面上方手动选择Notebook运行依赖的个人开发环境实例，作为Notebook运行的环境。

3. （可选）切换Python内核

单击Notebook节点右上角的按钮，确认当前Python单元格运行的Python内核版本，切换其他Python内核版本。

1. 添加单元格

在Notebook节点工具栏中，可以根据需要，选择SQL、Python、Markdown新增按钮，快速创建对应的单元格。

鼠标移至单元格上下边缘时展示新增按钮，单击新增按钮即可在当前单元格上方或者下方插入一个新单元格。

若您想重新调整单元格位置，可通过鼠标悬浮在单元格前蓝色线条上拖拽调整单元格顺序。

2. （可选）切换单元格类型

在单元格中，通过单元格右下角的单元格类型按钮，相互切换单元格类型。更多单元格类型可参见：支持的单元格类型。

• 将SQL单元格从MaxCompute SQL单元格变更为Hologres SQL或其他SQL单元格。

• 将SQL单元格变更为Python单元格或Markdown单元格，或者将Python单元格或Markdown单元格切换为SQL单元格。

3. 开发单元格代码

在相应的单元格内可编辑SQL、Python以及Markdown代码。z可使用DataWorks Copilot Ask辅助编程，以下为进入智能助手的方式：

• 单元格工具栏进入：单击单元格右上方的按钮，唤起Copilot的编辑器内聊天框，进行辅助编程。

• 单元格右键菜单进入：选中单元格右键选择Copilot > 编辑器内聊天框，进行辅助编程。

• 快捷键进入：

  • Mac系统：Command+I键快捷呼出智能助手聊天框。

  • Windows系统：Ctrl+I键快捷呼出智能助手聊天框。

Python开发

Python单元格默认采用个人开发环境实例内核运行Python单元格中的代码。若需要访问指定计算资源服务，您也可以通过使用内置Magic Command建立计算资源连接。

SQL开发

使用SQL单元格开发时，需确保SQL语法与选择的SQL单元格类型，即计算资源类型匹配。点击SQL单元格右下角按钮，指定已绑定计算资源，运行单元格时会将SQL使用指定计算资源运行。

Markdown开发

使用Markdown语法进行文字内容开发。

SQL单元格

单元格内支持撰写多种类型的SQL脚本，在运行SQL脚本后，将在单元格下方打印SQL运行结果。

• 场景一：若SQL不包含SELECT语句，单元格运行之后默认只展示运行日志。

  CREATE TABLE IF NOT EXISTS product (
      product_id BIGINT,
      product_name STRING,
      product_type STRING,
      price DECIMAL(10, 2)
  )
  LIFECYCLE 30; -- 表示数据的生命周期为30天，超出后数据将被自动删除，这是一个可选设置

• 场景二：若SQL包含SELECT语句，单元格运行之后将展示运行日志，并提供两种查看方式：表格和可视化图表。同时，系统会自动将查询结果生成一个DataFrame变量。

  SELECT 
  product_id,
  product_name,
  product_type,
  price 
  FROM product;

  • 生成DataFrame数据对象：

    SQL单元格自动生成返回变量，可通过单击SQL单元格左下方的df_*变量名，为生成的DataFrame变量重新命名。

    

  • 查看SQL查询的表格：

    SQL查询运行完成后，在日志区域默认展示SQL查询表格。

    

  • 查看SQL查询的可视化图表

    SQL查询运行完成后，在日志区域左侧单击按钮，可以查看通过SQL查询生成的表数据的可视化图表。

    

Python单元格

单元格内支持撰写Python脚本，在运行Python脚本后，将在单元格下方打印Python代码的运行结果。

• 场景一：仅打印输出文本。

  print("Hello World")

• 场景二：打印Pandas DataFrame数据内容。

  import pandas as pd
  
  # 定义产品数据，包括详细信息：产品名称、区域和登录频率。
  product_data = {
      'Product_Name': ['DataWorks', 'RDS MySQL', 'EMR Spark', 'MaxCompute'],
      'Product_Region': ['East China 2 (Shanghai)', 'North China 2 (Beijing)', 'South China 1 (Shenzhen)', 'Hong Kong'],
      'Login_Frequency': [33, 22, 11, 44]
  }
  
  # 根据给定的数据创建一个DataFrame。
  df_products = pd.DataFrame(product_data)
  
  # 打印DataFrame以显示产品信息。
  print(df_products)

  

• 场景三：绘制图表。

  import matplotlib.pyplot as plt
  
  # 数据
  categories = ['DataWorks', 'RDS MySQL', 'MaxCompute', 'EMR Spark', 'Hologres']
  values = [23, 45, 56, 78, 30]
  
  # 创建条形图
  plt.figure(figsize=(10, 6))
  plt.bar(categories, values, color=['blue', 'green', 'red', 'purple', 'orange'])
  
  # 添加标题和标签
  plt.title('Example Bar Chart')
  plt.xlabel('category')
  plt.ylabel('value')
  
  # 显示图形
  plt.show()

  

Markdown单元格

在编写完成后，单击按钮后，可展示Markdown的文本和格式效果。

# DataWorks Notebook