使用筆記型電腦分析資料

本教學課程著重於如何使用內建於Data Science Workspace的Jupyter Notebooks，存取、探索及視覺化您的資料。 在本教學課程結束時，您應該已經瞭解Jupyter Notebooks提供的部分功能，以便更清楚瞭解您的資料。

我們匯入了以下概念：

在資料科學Workspace中探索筆記本

本節會探索先前內嵌至零售銷售綱要的資料。

資料科學Workspace可讓使用者透過JupyterLab平台建立Jupyter Notebooks，以便建立和編輯機器學習工作流程。 JupyterLab是伺服器使用者端共同作業工具，可讓使用者透過網頁瀏覽器編輯筆記本檔案。 這些筆記本可以包含可執行程式碼和RTF元素。 為了我們的目的，我們將使用Markdown進行分析描述，以及可執行的Python程式碼來執行資料探索和分析。

選擇您的工作區

啟動JupyterLab時，會顯示Jupyter Notebooks的網頁式介面。 根據我們選取的筆記型電腦型別，將會啟動對應的核心。

在比較要使用的環境時，我們必須考量每個服務的限制。 例如，如果我們使用熊貓資料庫搭配Python，作為一般使用者，RAM限製為2 GB。 即使身為進階使用者，RAM容量限製為20 GB。 如果處理較大的計算，則最好使用Spark，它提供1.5 TB與所有筆記本執行個體共用。

依預設，Tensorflow配方會在GPU叢集中運作，而Python會在CPU叢集中執行。

建立新的筆記本

在Adobe Experience Platform UI中，選取頂端功能表中的Data Science，帶您前往Data Science Workspace。 從此頁面，選取JupyterLab以開啟JupyterLab啟動器。 您應該會看到類似此的頁面。

在教學課程中，我們將使用Jupyter Notebook中的Python 3來示範如何存取及探索資料。 在啟動器頁面中，提供範例筆記本。 我們將使用Python 3的零售配方。

零售銷售方式是獨立的範例，此範例使用相同的零售銷售資料集來顯示如何在Jupyter Notebook中探索和視覺化資料。 此外，筆記型電腦在訓練與驗證方面更深入。 如需此特定筆記本的詳細資訊，請參閱此逐步說明。

存取資料

我們將從Adobe Experience Platform內部存取資料，並從外部存取資料。 我們將使用data_access_sdk_python資料庫來存取內部資料，例如資料集和XDM結構描述。 對於外部資料，我們將使用熊貓Python資料庫。

外部資料

開啟零售銷售筆記本後，尋找「載入資料」標頭。 下列Python程式碼使用熊貓DataFrame資料結構和read_csv()函式，將Github上託管的CSV讀取至DataFrame中：

熊貓的DataFrame資料結構是2維標籤資料結構。 若要快速檢視資料的維度，我們可以使用df.shape。 這會傳回代表DataFrame維度的Tuple：

最後，我們可以檢視資料的外觀。 我們可以使用df.head(n)來檢視DataFrame的前n列：

Experience Platform資料

現在，我們將再次存取Experience Platform資料。

依資料集ID

針對本節，我們使用「零售業」資料集，此資料集與「零售業」範例筆記本中使用的資料集相同。

在Jupyter Notebook中，您可以從左側的​ 資料 ​標籤 存取您的資料。 選取索引標籤後，會提供兩個資料夾。 選取​ 資料集 ​資料夾。

現在在資料集目錄中，您可以看到所有擷取的資料集。 請注意，如果您的目錄大量填入資料集，載入所有專案可能需要幾分鐘的時間。

由於資料集相同，我們想取代使用外部資料的上一個區段的載入資料。 在​ 載入資料 ​下選取程式碼區塊，然後按兩次鍵盤上的​ 'd' ​鍵。 請確定焦點在區塊上，而不是文字中。 您可以按下​ 'esc' ​來逸出文字焦點，然後再按兩次​ 'd'。

現在，我們可以在Retail-Training-<your-alias>資料集上按一下滑鼠右鍵，然後在下拉式清單中選取「在筆記本中探索資料」選項。 您的記事本中將會顯示可執行程式碼專案。

from data_access_sdk_python.reader import DataSetReader
from datetime import date
reader = DataSetReader()
df = reader.load(data_set_id="xxxxxxxx", ims_org="xxxxxxxx@AdobeOrg")
df.head()

如果您正在處理Python以外的其他核心，請參閱此頁面以存取Adobe Experience Platform上的資料。

選取可執行儲存格，然後按工具列中的播放按鈕，即可執行可執行程式碼。 head()的輸出會是資料表，以資料集的索引鍵作為欄，以及資料集中的前n列。 head()接受整數引數，以指定要輸出的行數。 預設值為5。

如果您重新啟動核心並再次執行所有儲存格，您應該會取得與之前相同的輸出。

探索您的資料

現在我們可以存取您的資料了，接下來讓我們使用統計和視覺效果來關注資料本身。 我們使用的資料集是零售資料集，提供指定日期45個不同商店的其他資訊。 指定date和store的某些特性包括：

統計摘要

我們可以利用Python’s熊貓資料庫來取得每個屬性的資料型別。 以下呼叫的輸出會提供每個欄的專案數和資料型別的相關資訊：

df.info()

此資訊很有用，因為知道每欄的資料型別能讓我們知道如何處理資料。

現在來看看統計摘要。 只會顯示數值資料型別，所以不會輸出date、storeType和isHoliday：

df.describe()

透過這項分析，我們可以看到每個特性有6435個例項。 此外，也會提供平均值、標準差(std)、最小值、最大值以及四分位數等統計資訊。 這可提供資料偏差的相關資訊。 在下一節中，我們將介紹視覺效果，視覺效果會搭配此資訊使用，讓我們對資料有良好的瞭解。

檢視store的最小值和最大值，我們可以看到資料代表有45個唯一存放區。 還有storeTypes可區分商店的性質。 我們可以執行下列動作來檢視storeTypes的分佈：

這表示22個存放區屬於storeType A，17個為storeType B，6個為storeType C。

資料視覺效果

現在我們知道資料框架值了，我們想透過視覺效果來補充這些值，讓事情變得更清晰、更易於識別模式。 將結果傳送給對象時，圖表也很有用。 有些Python資料庫適合用於視覺化，包括：

在本節中，我們將快速說明使用每個程式庫的一些優點。

Matplotlib是最舊的Python視覺化封裝。 他們的目標是讓「簡單的事情變得容易，而困難的事情變得可能」。 由於套裝軟體功能極為強大，但同時也伴隨著複雜性，因此上述假設通常成立。 要取得看起來合理的圖表，而不需要花費大量的時間和精力，並不總是那麼容易。

熊貓主要用於其DataFrame物件，允許透過整合索引進行資料操作。 不過，熊貓也包含以matplotlib為基礎的內建繪圖功能。

seaborn是位於matplotlib之上的封裝組建。 其主要目標是讓預設圖表更吸引目光，並簡化建立複雜圖表的流程。

ggplot也是在matplotlib上建置的套件。 不過，主要差異在於此工具是R的ggplot2連線埠。與seaborn類似，目標是改善matplotlib。 熟悉R的ggplot2的使用者應考慮此資料庫。

單變數圖表

單變數圖表是個別變數的圖表。 常見的單變數圖表是用來視覺化您的資料，例如方塊和鬍鬚圖。

使用之前的零售資料集，我們可以為45家商店及其每週銷售額分別產生盒子和鬍鬚圖。 使用seaborn.boxplot函式產生繪圖。

方塊和須狀圖可用來顯示資料的分佈。 繪圖的外線顯示上四分位元和下四分位元，而方塊橫跨四分位元範圍。 方塊中的行會標籤中位數。 任何超過四分位數上下1.5倍的資料點都會標示為圓形。 這些點會被視為離群值。

多變數圖表

多變數繪圖是用來檢視變數之間的互動。 藉由視覺效果，資料科學家就能檢視變數之間是否有任何關聯或模式。 常用的多變數圖表是關聯矩陣。 使用關聯矩陣時，多個變數之間的相依性會以關聯係數量化。

使用相同的零售資料集，我們便可產生關聯矩陣。

請注意中心對角線1的向下。 這表示將變數與其本身進行比較時，變數具有完全的正相關性。 強正相關具有更接近1的量級，而弱相關將更接近0。 負相關以負係數顯示，顯示反向趨勢。

後續步驟

本教學課程說明如何在資料科學Workspace中建立新的Jupyter Notebook，以及如何從外部和從Adobe Experience Platform存取資料。 具體來說，我們已進行下列步驟：

現在您已準備好繼續進行下一節，以封裝配方並匯入資料科學Workspace。