上一篇

下一步

练习 - 上传数据并创建散点图

已完成

Jupyter 笔记本由单元格组成。 每个单元格都属于以下三种类型之一：

• Markdown，用于以 markdown 格式输入文本
• Code，用于输入以交互方式运行的代码
• Raw NBConvert，用于以内联方式输入数据

输入代码单元格中的代码由内核执行，它为笔记本提供了一个独立的运行环境。 常用的 IPython 内核支持使用 Python 编写的代码，但数十个其他内核可支持其他语言。 Azure Notebooks 自带 Python、R 和 F# 支持。 还支持安装许多研究中常用的包和库。

笔记本编辑器当前显示空白单元格。 在本练习中，你将内容添加到单元格并添加其他单元格，以导入 Python 包（例如 NumPy），加载包含气候数据的 NASA 数据文件对，并从数据中创建一个散点图。

1. 在第一个单元格中，将单元格类型设置为 Markdown 并在单元格中输入“Azure Notebook 气候变化分析”：

   

   定义 markdown 单元格

2. 单击工具栏中的 + 按钮添加新单元格。 请确保该单元格类型为 Code，然后在单元格中输入以下 Python 代码：

   import matplotlib.pyplot as plt
   import numpy as np
   from sklearn.linear_model import LinearRegression
   import seaborn as sns; sns.set()
   

   

   添加代码单元格

3. 现在，单击“运行”按钮运行代码单元格并导入 import 语句中指定的包。 第一次准备环境时请忽略显示的任何警告。

   可以通过选择代码单元格并再次运行该单元格来删除警告。

   

   运行代码单元格

4. 请在页面顶部的菜单中单击“文件”，再在下拉菜单中选择“上传”。 然后上传名为“5-year-mean-1951-1980.csv”和“5-year-mean-1882-2014.csv”的文件。

   

   将数据上传到笔记本

5. 选择 /project 作为“目标文件夹”以确保文件得到保存。 单击“开始上传”上传文件，并在上传成功后单击“确定”。

   

   选择数据的目标文件夹

6. 将光标放在笔记本底部的空白单元格中。 输入文本“导入数据”并将单元格类型更改为 Markdown。

7. 现在添加 Code 单元格并将下列代码粘贴到其中。

   yearsBase, meanBase = np.loadtxt('5-year-mean-1951-1980.csv', delimiter=',', usecols=(0, 1), unpack=True)
   years, mean = np.loadtxt('5-year-mean-1882-2014.csv', delimiter=',', usecols=(0, 1), unpack=True)
   

8. 单击“运行”按钮运行单元格并使用 NumPy 的 loadtxt 函数加载已上传的数据。 数据现位于内存中，可供应用程序使用。

   

   加载数据

9. 将光标放在笔记本底部的空白单元格中。 将单元格类型更改为 Markdown 并输入文本“创建散点图”。

10. 添加一个 Code 单元格并将下列代码粘贴到其中，该代码使用 Matplotlib 创建散点图。

    plt.scatter(yearsBase, meanBase)
    plt.title('scatter plot of mean temp difference vs year')
    plt.xlabel('years', fontsize=12)
    plt.ylabel('mean temp difference', fontsize=12)
    plt.show()
    

11. 单击“运行”可运行该单元格并创建散点图。

    

    Matplotlib 生成的散点图

加载的数据集使用 1951 年和 1980 年这 30 年的平均值来计算这段期间的基准温度，然后使用 5 年平均温度计算每一年的 5 年平均值和 30 年平均值之差。 散点图显示年温差。

继续