Anzeigen von Histogrammen in Python

  • Artikel

Gilt für:SQL ServerAzure SQL-DatenbankAzure SQL Managed Instance

In diesem Artikel wird beschrieben, wie Sie Daten mithilfe des Python-Pakets pandas'.hist() darstellen können. Eine SQL-Datenbank ist die Quelle, die verwendet wird, um die Histogrammdatenintervalle zu visualisieren, die über aufeinanderfolgende, nicht überlappende Werte verfügen.

Voraussetzungen

Überprüfen der wiederhergestellten Datenbank

Sie können überprüfen, ob die wiederhergestellte Datenbank vorhanden ist, indem Sie die Tabelle Person.CountryRegion abfragen:

USE AdventureWorksDW;
SELECT * FROM Person.CountryRegion;

Installieren von Python-Paketen

Laden Sie Azure Data Studio herunter, und führen Sie die Installation durch.

Installieren Sie die folgenden Python-Pakete:

  • pyodbc
  • pandas
  • sqlalchemy
  • matplotlib

Installieren Sie diese Pakete wie folgt:

  1. Klicken Sie in Ihrem Azure Data Studio-Notebook auf die Option Pakete verwalten.
  2. Klicken Sie dann im Bereich Manage Packages (Pakete verwalten) auf die Registerkarte Add new (Neue hinzufügen).
  3. Geben Sie für jedes der folgenden Pakete den jeweiligen Paketnamen ein, wählen Sie Suchen und dann Installieren.

Anzeigen des Histogramms

Die im Histogramm angezeigten verteilten Daten basieren auf einer SQL-Abfrage von AdventureWorksDW2022. Im Histogramm werden Daten und die Häufigkeit von Datenwerten visualisiert.

Bearbeiten Sie die Verbindungszeichenfolgenvariablen „server“, „database“, „username“ und „password“, um eine Verbindung mit der SQL Server-Datenbank herzustellen.

So erstellen Sie ein neues Notebook

  1. Klicken Sie in Azure Data Studio auf Datei und dann auf Neues Notebook.
  2. Wählen Sie im Notebook den Kernel Python3 aus, und klicken Sie dann auf +code.
  3. Fügen Sie den Code in das Notebook ein, und klicken Sie auf Alle ausführen.
import pyodbc 
import pandas as pd
import matplotlib
import sqlalchemy

from sqlalchemy import create_engine

matplotlib.use('TkAgg', force=True)
from matplotlib import pyplot as plt

# Some other example server values are
# server = 'localhost\sqlexpress' # for a named instance
# server = 'myserver,port' # to specify an alternate port
server = 'servername'
database = 'AdventureWorksDW2022'
username = 'yourusername'
password = 'databasename'

url = 'mssql+pyodbc://{user}:{passwd}@{host}:{port}/{db}?driver=SQL+Server'.format(user=username, passwd=password, host=server, port=port, db=database)
engine = create_engine(url)

sql = "SELECT DATEDIFF(year, c.BirthDate, GETDATE()) AS Age FROM [dbo].[FactInternetSales] s INNER JOIN dbo.DimCustomer c ON s.CustomerKey = c.CustomerKey"

df = pd.read_sql(sql, engine)
df.hist(bins=50)

plt.show()

Die Anzeige zeigt die Altersverteilung von Kunden in der FactInternetSales-Tabelle an.

Diagram showing the Pandas histogram distribution.