文件 Experience Platform Data Science Workspace 指南

Jupyter Notebook中的查詢服務

Last update: Tue Jul 16 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

主題：

建立對象：

undefined
undefined

Adobe Experience Platform可讓您將Query Service整合至JupyterLab作為標準功能，以在Data Science Workspace中使用結構化查詢語言(SQL)。

本教學課程示範常見使用案例的範例SQL查詢，以探索、轉換及分析Adobe Analytics資料。

快速入門

開始進行本教學課程前，您必須具備下列必要條件：

存取Adobe Experience Platform。如果您沒有Experience Platform中組織的存取權，請在繼續之前與您的系統管理員交談
Adobe Analytics資料集
深入瞭解本教學課程使用的下列重要概念：
- Experience Data Model (XDM) and XDM System
- Query Service
- Query Service SQL Syntax
- Adobe Analytics

存取JupyterLab和Query Service access-jupyterlab-and-query-service

在Experience Platform中，從左側導覽欄瀏覽至 筆記本。等待片刻載入JupyterLab。

note note
NOTE
如果新的啟動器標籤未自動顯示，請按一下檔案開啟新的啟動器標籤，然後選取新增啟動器。

在「啟動器」標籤中，按一下Python 3環境中的空白圖示以開啟空白筆記本。

note note
NOTE
Python 3是目前在筆記型電腦中唯一支援查詢服務的環境。

在左側選取範圍邊欄上，按一下資料圖示，然後按兩下 資料集 目錄以列出所有資料集。
尋找要探索的Adobe Analytics資料集並在清單上按一下滑鼠右鍵，按一下 在筆記本中查詢資料 以在空白筆記本中產生SQL查詢。
按一下包含函式qs_connect()的第一個產生儲存格，然後按一下播放按鈕來執行它。此函式會在您的筆記本執行個體與Query Service之間建立連線。
從第二個產生的SQL查詢中複製Adobe Analytics資料集名稱，它將是FROM之後的值。
按一下 + 按鈕，插入新的筆記本儲存格。

在新儲存格中複製、貼上及執行以下匯入陳述式。這些陳述式將用來視覺化您的資料：

code language-python
`import plotly.plotly as py import plotly.graph_objs as go from plotly.offline import iplot`

接下來，將下列變數複製並貼到新儲存格中。視需要修改其值，然後執行。

code language-python
`target_table = "your Adobe Analytics dataset name" target_year = "2019" target_month = "04" target_day = "01"`

target_table： Adobe Analytics資料集的名稱。
target_year：目標資料來自的特定年份。
target_month：目標來自的特定月份。
target_day：目標資料來源的特定日期。

note note
NOTE
您可以隨時變更這些值。執行時，請務必執行變數儲存格以套用變更。

查詢您的資料 query-your-data

在個別筆記本儲存格中輸入下列SQL查詢。在查詢的儲存格上選取，接著選取播放按鈕，以執行查詢。成功的查詢結果或錯誤記錄檔會顯示在執行的儲存格下方。

當筆記本長時間未使用時，筆記本與Query Service之間的連線可能會中斷。在這種情況下，請選取電源按鈕右上角的 重新啟動 按鈕，以重新啟動JupyterLab。

筆記型電腦核心會重設，但儲存格會保留，請重新執行所有儲存格，繼續您中斷的儲存格。

每小時訪客計數 hourly-visitor-count

下列查詢會傳回指定日期的每小時訪客計數：

查詢

%%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;

在上述查詢中，WHERE子句中的時間戳記設定為target_year的值。將變數包含在大括弧({})中，以包含變數在SQL查詢中。

查詢的第一行包含選擇性變數hourly_visitor。查詢結果將作為Pandas資料流儲存在此變數中。將結果儲存在資料流中，可讓您稍後使用想要的Python封裝將查詢結果視覺化。在新儲存格中執行下列Python程式碼以產生長條圖：

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)

每小時活動計數 hourly-activity-count

下列查詢會傳回指定日期的每小時動作計數：

查詢

%%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;

執行上述查詢會將結果以hourly_actions的資料流形式儲存。在新儲存格中執行以下函式以預覽結果：

hourly_actions.head()

可以修改上述查詢，以使用 WHERE 子句中的邏輯運運算元，傳回指定日期範圍的每小時動作計數：

查詢

%%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;

執行修改後的查詢會將結果以hourly_actions_date_range的資料流形式儲存。在新儲存格中執行以下函式以預覽結果：

hourly_actions_date_rage.head()

每個訪客工作階段的事件數 number-of-events-per-visitor-session

下列查詢會傳回指定日期內每個訪客工作階段的事件數：

查詢

%%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;

執行下列Python程式碼以產生每次造訪工作階段事件數的長條圖：

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)

指定日期的熱門頁面 popular-pages-for-a-given-day

下列查詢會傳回指定日期前十個最受歡迎的頁面：

查詢

%%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;

指定日的作用中使用者 active-users-for-a-given-day

下列查詢會傳回指定日期前十位最活躍的使用者：

查詢

%%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;

依使用者活動列出的活躍城市 active-cities-by-user-activity

下列查詢會傳回在指定日期產生大部分使用者活動的十個城市：

查詢

%%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;

後續步驟

本教學課程示範在Jupyter筆記型電腦中運用Query Service的一些使用案例。請依照使用Jupyter Notebooks分析您的資料教學課程，瞭解如何使用Data Access SDK執行類似的作業。

recommendation-more-help

cc79fe26-64da-411e-a6b9-5b650f53e4e9