Serviço de consulta no Jupyter Notebook
O Adobe Experience Platform permite que você use a Linguagem de Consulta Estruturada (SQL) no Data Science Workspace ao integrar o Query Service ao JupyterLab como recurso padrão.
Este tutorial demonstra exemplos de consultas SQL para casos de uso comuns para explorar, transformar e analisar dados do Adobe Analytics.
Introdução
Antes de iniciar este tutorial, você deve ter os seguintes pré-requisitos:
-
Acesso a Adobe Experience Platform. Se você não tiver acesso a uma organização em Experience Platform, fale com o administrador do sistema antes de continuar
-
Um conjunto de dados Adobe Analytics
-
Uma compreensão funcional dos seguintes conceitos principais usados neste tutorial:
Acessar JupyterLab e Query Service access-jupyterlab-and-query-service
-
Em Experience Platform, navegue até Blocos de Anotações a partir da coluna de navegação esquerda. Aguarde um momento para o JupyterLab carregar.
note note NOTE Se uma nova guia Iniciador não aparecer automaticamente, abra uma nova guia Iniciador clicando em Arquivo e selecione Novo Iniciador. -
Na guia Iniciador, clique no ícone Em branco em um ambiente Python 3 para abrir um bloco de anotações vazio.
note note NOTE No momento, o Python 3 é o único ambiente compatível com o Serviço de consulta em notebooks. -
No painel de seleção esquerdo, clique no ícone Dados e clique duas vezes no diretório Conjuntos de Dados para listar todos os conjuntos de dados.
-
Localize um conjunto de dados Adobe Analytics para explorar e clique com o botão direito do mouse na lista, clique em Consultar Dados no Bloco de Anotações para gerar consultas SQL no bloco de anotações vazio.
-
Clique na primeira célula gerada contendo a função
qs_connect()
e execute-a clicando no botão Reproduzir. Esta função cria uma conexão entre a instância do bloco de anotações e o Query Service. -
Copie o nome do conjunto de dados Adobe Analytics da segunda consulta SQL gerada, ele será o valor após
FROM
. -
Insira uma nova célula do bloco de anotações clicando no botão +.
-
Copie, cole e execute as seguintes instruções de importação em uma nova célula. Estas instruções serão usadas para visualizar seus dados:
code language-python import plotly.plotly as py import plotly.graph_objs as go from plotly.offline import iplot
-
Em seguida, copie e cole as seguintes variáveis em uma nova célula. Modifique os valores conforme necessário e execute-os.
code language-python target_table = "your Adobe Analytics dataset name" target_year = "2019" target_month = "04" target_day = "01"
target_table
: Nome do seu conjunto de dados Adobe Analytics.target_year
: Ano específico de onde são obtidos os dados de destino.target_month
: mês específico de onde o destino é.target_day
: Dia específico de onde são obtidos os dados de destino.
note note NOTE É possível alterar esses valores a qualquer momento. Ao fazer isso, certifique-se de executar a célula das variáveis para que as alterações sejam aplicadas.
Consultar seus dados query-your-data
Insira as seguintes consultas SQL em células individuais do bloco de anotações. Execute uma consulta selecionando em sua célula e, em seguida, o botão reproduzir. Resultados de consulta bem-sucedidos ou logs de erro são exibidos abaixo da célula executada.
Quando um bloco de anotações fica inativo por um longo período de tempo, a conexão entre o bloco de anotações e o Query Service pode ser interrompida. Nesses casos, reinicie o JupyterLab selecionando o botão Reiniciar , localizado no canto superior direito próximo ao botão liga/desliga.
O kernel do notebook é redefinido, mas as células permanecerão, execute novamente todas as células para continuar de onde você parou.
Contagem horária de visitantes hourly-visitor-count
A consulta a seguir retorna a contagem horária de visitantes de uma data especificada:
Consulta
%%read_sql hourly_visitor -c QS_CONNECTION
SELECT Substring(timestamp, 1, 10) AS Day,
Substring(timestamp, 12, 2) AS Hour,
Count(DISTINCT concat(enduserids._experience.aaid.id,
_experience.analytics.session.num)) AS Visit_Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY Day, Hour
ORDER BY Hour;
Na consulta acima, o carimbo de data/hora na cláusula WHERE
está definido como o valor de target_year
. Inclua variáveis em consultas SQL, contendo-as em chaves ({}
).
A primeira linha da consulta contém a variável opcional hourly_visitor
. Os resultados da consulta serão armazenados nessa variável como um quadro de dados Pandas. O armazenamento de resultados em um quadro de dados permite que você visualize os resultados da consulta posteriormente usando um pacote Python desejado. Execute o seguinte código Python em uma nova célula para gerar um gráfico de barras:
trace = go.Bar(
x = hourly_visitor['Hour'],
y = hourly_visitor['Visit_Count'],
name = "Visitor Count"
)
layout = go.Layout(
title = 'Visit Count by Hour of Day',
width = 1200,
height = 600,
xaxis = dict(title = 'Hour of Day'),
yaxis = dict(title = 'Count')
)
fig = go.Figure(data = [trace], layout = layout)
iplot(fig)
Contagem de atividades por hora hourly-activity-count
A consulta a seguir retorna a contagem de ações por hora para uma data especificada:
Consulta
%%read_sql hourly_actions -d -c QS_CONNECTION
SELECT Substring(timestamp, 1, 10) AS Day,
Substring(timestamp, 12, 2) AS Hour,
Count(concat(enduserids._experience.aaid.id,
_experience.analytics.session.num,
_experience.analytics.session.depth)) AS Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY Day, Hour
ORDER BY Hour;
A execução da consulta acima armazenará os resultados em hourly_actions
como um quadro de dados. Execute a seguinte função em uma nova célula para visualizar os resultados:
hourly_actions.head()
A consulta acima pode ser modificada para retornar a contagem de ações por hora para um intervalo de datas especificado usando operadores lógicos na cláusula WHERE:
Consulta
%%read_sql hourly_actions_date_range -d -c QS_CONNECTION
SELECT Substring(timestamp, 1, 10) AS Day,
Substring(timestamp, 12, 2) AS Hour,
Count(concat(enduserids._experience.aaid.id,
_experience.analytics.session.num,
_experience.analytics.session.depth)) AS Count
FROM {target_table}
WHERE timestamp >= TO_TIMESTAMP('2019-06-01 00', 'YYYY-MM-DD HH')
AND timestamp <= TO_TIMESTAMP('2019-06-02 23', 'YYYY-MM-DD HH')
GROUP BY Day, Hour
ORDER BY Hour;
A execução da consulta modificada armazena os resultados em hourly_actions_date_range
como um quadro de dados. Execute a seguinte função em uma nova célula para visualizar os resultados:
hourly_actions_date_rage.head()
Número de eventos por sessão de visitante number-of-events-per-visitor-session
A consulta a seguir retorna o número de eventos por sessão de visitante para uma data especificada:
Consulta
%%read_sql events_per_session -c QS_CONNECTION
SELECT concat(enduserids._experience.aaid.id,
'-#',
_experience.analytics.session.num) AS aaid_sess_key,
Count(timestamp) AS Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY aaid_sess_key
ORDER BY Count DESC;
Execute o seguinte código Python para gerar um histograma para o número de eventos por sessão de visita:
data = [go.Histogram(x = events_per_session['Count'])]
layout = go.Layout(
title = 'Histogram of Number of Events per Visit Session',
xaxis = dict(title = 'Number of Events'),
yaxis = dict(title = 'Count')
)
fig = go.Figure(data = data, layout = layout)
iplot(fig)
Páginas populares para um determinado dia popular-pages-for-a-given-day
A consulta a seguir retorna as dez páginas mais populares para uma data especificada:
Consulta
%%read_sql popular_pages -c QS_CONNECTION
SELECT web.webpagedetails.name AS Page_Name,
Sum(web.webpagedetails.pageviews.value) AS Page_Views
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY web.webpagedetails.name
ORDER BY page_views DESC
LIMIT 10;
Usuários ativos de um determinado dia active-users-for-a-given-day
A consulta a seguir retorna os dez usuários mais ativos para uma data especificada:
Consulta
%%read_sql active_users -c QS_CONNECTION
SELECT enduserids._experience.aaid.id AS aaid,
Count(timestamp) AS Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY aaid
ORDER BY Count DESC
LIMIT 10;
Cidades ativas por atividade do usuário active-cities-by-user-activity
A consulta a seguir retorna as dez cidades que estão gerando a maioria das atividades do usuário para uma data especificada:
Consulta
%%read_sql active_cities -c QS_CONNECTION
SELECT concat(placeContext.geo.stateProvince, ' - ', placeContext.geo.city) AS state_city,
Count(timestamp) AS Count
FROM {target_table}
WHERE TIMESTAMP = to_timestamp('{target_year}-{target_month}-{target_day}')
GROUP BY state_city
ORDER BY Count DESC
LIMIT 10;
Próximas etapas
Este tutorial demonstrou alguns casos de uso de exemplo para utilizar o Query Service em Jupyter blocos de anotações. Siga o tutorial Analisar seus dados usando o Jupyter Notebooks para ver como operações semelhantes são executadas usando o SDK de acesso a dados.