入门：通过笔记本查询和可视化数据

本入门文章将指导你使用 Azure Databricks 笔记本通过 SQL、Python、Scala 和 R 查询 Unity Catalog 中存储的示例数据，然后在笔记本中可视化查询结果。

要求

要完成本文中的任务，必须满足以下要求：

• 工作区必须已启用 Unity Catalog。 有关 Unity Catalog 的入门信息，请参阅设置和管理 Unity Catalog。
• 你必须有权使用现有计算资源或创建新的计算资源。 请参阅入门：帐户和工作区设置或咨询你的 Databricks 管理员。

步骤 1：创建新笔记本

若要在工作区中创建笔记本，请单击边栏中的“ 新建”，然后单击“笔记本”。 将在工作区中打开一个空白笔记本。

若要了解有关创建和管理笔记本的详细信息，请参阅管理笔记本。

步骤 2：查询表

使用所选语言查询 Unity Catalog 中的 samples.nyctaxi.trips 表。

1. 将以下代码复制并粘贴到新的空笔记本单元格中： 此代码显示了对 Unity Catalog 中 samples.nyctaxi.trips 表的查询结果。

   SQL

   SELECT * FROM samples.nyctaxi.trips
   

   Python

   display(spark.read.table("samples.nyctaxi.trips"))
   

   Scala

   display(spark.read.table("samples.nyctaxi.trips"))
   

   R

   library(SparkR)
   display(sql("SELECT * FROM samples.nyctaxi.trips"))
   

2. 按 Shift+Enter 以运行单元格，然后移动到下一个单元格。

   查询结果显示在笔记本中。

步骤 3：显示数据

按行程距离显示平均车费金额，数据按上车地点邮政编码分组。

1. 在“表”选项卡旁边，单击 +，然后单击“可视化效果”。

   这会显示可视化效果编辑器。

2. 在“可视化效果类型”下拉列表中，确认是否已选择“条形图”。

3. 为“X 列”选择 fare_amount。

4. 为“Y 列”选择 trip_distance。

5. 选择 Average 作为聚合类型。

6. 选择 pickup_zip 作为“分组依据”列。

   

7. 单击“ 保存”。

后续步骤

• 要了解如何将数据从 CSV 文件添加到 Unity Catalog 并进行可视化，请参阅入门：从笔记本导入 CSV 数据并可视化。
• 若要了解如何使用 Apache Spark 将数据加载到 Databricks 中，请参阅教程：使用 Apache Spark 数据帧加载和转换数据。
• 若要详细了解如何将数据引入 Databricks，请参阅将数据引入 Databricks Lakehouse。
• 若要详细了解如何使用 Databricks 查询数据，请参阅查询数据。
• 若要详细了解可视化效果，请参阅 Databricks 笔记本中的可视化效果。