Python でのヒストグラムのプロット

適用対象:SQL ServerAzure SQL DatabaseAzure SQL Managed Instance

この記事では、Python パッケージ pandas'.hist() を使用してデータをプロットする方法について説明します。 SQL データベースは、連続した重複しない値を持つヒストグラム データ間隔を視覚化するために使用されるソースです。

前提条件

• Windows 用または Linux 用の SQL Server

• Azure Data Studio。 インストールするには、Azure Data Studio に関するページを参照してください。

• この記事で使用されているサンプル データを取得するために、サンプル DW データベースを復元します。

復元されたデータベースの確認

Person.CountryRegion テーブルに対してクエリを実行して、復元されたデータベースが存在することを確認できます。

USE AdventureWorksDW;
SELECT * FROM Person.CountryRegion;

Python パッケージのインストール

Azure Data Studio をダウンロードしてインストールします。

次の Python パッケージをインストールします。

• pyodbc
• pandas
• sqlalchemy
• matplotlib

これらのパッケージをインストールするには:

1. Azure Data Studio ノートブックで、 [パッケージの管理] を選択します。
2. [パッケージの管理] ペインで [新規追加] タブを選択します。
3. 次の各パッケージについてパッケージ名を入力し、[検索] を選択し、[インストール] を選択します。

ヒストグラムのプロット

ヒストグラムに表示される分散データは、AdventureWorksDW2022 からの SQL クエリに基づいています。 ヒストグラムは、データとデータ値の頻度を視覚化します。

接続文字列変数 'server'、'database'、'username'、および 'password' を編集して、SQL Server データベースに接続します。

新しいノートブックを作成するには:

1. Azure Data Studio で [ファイル] を選択し、 [新しいノートブック] を選択します。
2. ノートブックで、カーネル [Python3] を選択し、 [+ コード] を選択します。
3. ノートブックにコードを貼り付け、 [すべて実行] を選択します。

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()

表示には、FactInternetSales テーブル内の顧客の年齢分布が表示されます。