文件Experience PlatformData Science Workspace 指南

Jupyter Notebook中的查詢服務

Last update: Mon Aug 05 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

建立對象：

  • 使用者
  • 開發人員
NOTE
Data Science Workspace已無法購買。
本檔案旨在供先前有權使用Data Science Workspace的現有客戶使用。

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

  1. 在 中 Experience Platform， 從左導覽列導航到“筆記本 ”。 請稍等片刻讓 JupyterLab 載入。

    note note
    NOTE
    如果未自動顯示新的啟動器標籤，請按下檔案打開​ 新的啟動器標籤，然後選擇 ​​新​​ 啟動器。

  2. 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。

  3. 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。

  4. 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。

  5. 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。 此函數在筆記本執行個體和 之間 Query Service建立連接。

  6. Adobe Analytics從第二個生成的 SQL 查詢複製 資料集 名稱，它將是 之後FROM的值。

  7. 按兩下 + 按鈕插入新的筆記本儲存格。

  8. 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

  9. 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 結果或錯誤日誌將顯示在已執行的儲存格下方。

當筆記本長時間處於非活動狀態時，筆記本和 Query Service 筆記本之間的連接可能會中斷。 在這種情況下，請通過選擇​ 位於電源按鈕右上角的重新啟動 ​按鈕 重新啟動按鈕 來重新啟動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，子句中的 WHERE 時間戳設置為 的值 target_year。 通過將變數包含在大括弧 （）{} 中，將變數包含在 SQL 查詢中。

查詢的第一行包含可選變數 hourly_visitor。 查詢結果將作為 Pandas 數據幀存儲在此變數中。 通過將結果存儲在數據幀中，您可以稍後使用所需的 Python 包可視化查詢結果。 在新單元中執行以下 Python 代碼以生成條狀圖：

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)

每小時活動計数 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存儲為 hourly_actions_date_range 數據幀。 在新單元格中執行以下函數以預覽結果：

hourly_actions_date_rage.head()

每個訪客會話的事件数 number-of-events-per-visitor-session

以下查詢返回指定日期内每個訪客會話的事件數：

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)

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

以下查詢將返回指定日期中十個最活躍的使用者：

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