Notebook codieren und ausführen

erstellt: "2017-05-03 12:00:07 -0700" title: "Coding and running notebooks" fname: " analyze-data\code-run-notebooks.liquid.md "

Nachdem Sie ein Notizbuch erstellt haben, das Sie im Notizbuch-Editor verwenden möchten, müssen Sie Bibliotheken, Code und Daten hinzufügen, damit Sie Ihre Analyse durchführen können.

Führen Sie die folgenden allgemeinen Schritte aus, um Analyseanwendungen in einem Notebook zu entwickeln:

1. Öffnen Sie das Notizbuch im Bearbeitungsmodus: Wenn sich das Vorschaufenster des Notizbuchs öffnet, klicken Sie auf das Symbol Bearbeiten . Wenn das Notizbuch gesperrt ist, entsperren und bearbeiten Sie es.

2. Wenn das Notizbuch als nicht vertrauenswürdig markiert ist:

   1. Klicken Sie auf den Hinweis "Nicht vertrauenswürdig ".
   2. Klicken Sie auf Vertrauen, damit alle Zellen ausgeführt werden.

3. Stellen Sie fest, ob die dem Notebook zugeordnete Umgebungsvorlage die richtige Hardwaregröße für den erwarteten Analyseverarbeitungsdurchsatz aufweist.

   1. Überprüfen Sie die Größe der Umgebung, indem Sie in der Symbolleiste des Notebooks auf das Symbol Notebook-Info anzeigen () klicken und die Seite Umgebungen auswählen.

   2. Wenn Sie die Umgebung ändern müssen, wählen Sie eine andere Umgebung aus der Liste aus oder erstellen Sie eine eigene Umgebungsvorlage, falls keine der verfügbaren Umgebungen Ihren Anforderungen entspricht. Siehe Umgebungsvorlage erstellen.

      Wenn Sie Ihre eigene Umgebungsvorlage erstellen, können Sie Ihre Bibliotheken zu dieser Vorlage hinzufügen. Diese Bibliotheken sind vorinstalliert, wenn die Umgebung gestartet wird. Weitere Informationen finden Sie unter Umgebung anpassen für Python und R.

4. Vorinstallierte Bibliotheken importieren. Weitere Informationen finden Sie unter Bibliotheken und Scripts für Notebooks.

5. Laden Sie die Daten und greifen Sie auf sie zu. Sie können auf Daten aus Projektassets zugreifen, indem Sie Code ausführen, der für Sie generiert wird, wenn Sie das Asset auswählen oder indem Sie vorinstallierte Bibliotheksfunktionen programmgesteuert verwenden. Weitere Informationen finden Sie unter Daten laden und darauf zugreifen.

6. Verwenden Sie für die Vorbereitung und Analyse der Daten die geeigneten Methoden:

   • watsonx.ai Laufzeitmodelle erstellen
   • Decision Optimization-Modelle erstellen
   • Watson Natural Language Processing verwenden
   • SPSS Predictive Analytics-Algorithmen verwenden
   • Geografisch-räumliche Positionsanalysemethoden verwenden
   • Daten für Spark SQL überspringen
   • Parquet-Verschlüsselung anwenden
   • Zeitreihenanalysemethoden verwenden

7. Terminieren Sie die Ausführung des Notebooks bei Bedarf in regelmäßigen Abständen. Siehe Notebook planen.

   1. Überwachen Sie den Status Ihrer Jobausführungen auf der Seite Jobs des Projekts.
   2. Klicken Sie auf Ihren Job, um die Detailseite des Jobs zu öffnen und die Ausführungen für Ihren Job sowie den Status jeder Ausführung anzuzeigen. Wenn eine Ausführung fehlgeschlagen ist, können Sie die Ausführung auswählen und den Protokollnachsatz anzeigen oder die gesamte Protokolldatei herunterladen, um Fehler in der Ausführung zu beheben.

8. Wenn beim Ausführen Ihres Codes Probleme auftreten, gehen Sie mit dem Debugger eine Codezelle in Ihrem Notebook durch. So aktivieren Sie den Debugger:

   1. Klicken Sie auf das Symbol " Debugger aktivieren" () in der Symbolleiste des Notebooks.
   2. Klicken Sie neben eine beliebige Codezeile, um einen Haltepunkt hinzuzufügen.

   Zum Debuggen Ihres Codes über die Sicht wählen Sie rechte Sidebar und wählen Sie dann Debugger anzeigen.

9. Wenn Sie nicht aktiv am Notebook arbeiten, wechseln Sie zu Kernel und klicken Sie auf Kernel beenden , um den Notebook-Kernel zu stoppen und Ressourcen freizugeben.

10. Stoppen Sie die aktive Laufzeit (und den unnötigen Kapazitätseinheitenverbrauch), wenn keine anderen Notebook-Kernel unter Toollaufzeiten auf der Seite Umgebungen auf der Registerkarte Verwalten Ihres Projekts aktiv sind.

In diesem kurzen Video erfahren Sie, wie Sie ein Jupyter-Notebook und angepasste Umgebungen erstellen.

In diesem kurzen Video wird gezeigt, wie grundlegende SQL-Abfragen für Db2 Warehouse -Daten in einem Python -Notebook ausgeführt werden.

%env http_proxy=http://username:[email protected]:8080
%env https_proxy=https://username:[email protected]:8080

!python -m pip install langdetect --proxy https://www.example.com:<port number>

!pip install <some_package> --index-url=http://www.example.com/root/pypi/+simple/ --trusted-host=http://www.example.com