Introduzione rapida: analizzare i dati in un notebook Jupyter

Torna alla versione inglese della documentazione

È possibile creare un notebook in cui eseguire il codice per preparare, visualizzare e analizzare i dati o creare e addestrare un modello. Leggi i notebook Jupyter, guarda un video e fai un'esercitazione adatta agli utenti con una certa conoscenza del codice Python .

Il flusso di lavoro di base include le seguenti attività:

Aprire il progetto sandbox. I progetti sono dove è possibile collaborare con altri per lavorare con i dati.
Aggiungere i propri dati al progetto. È possibile aggiungere file CSV o dati da un'origine dati remota tramite una connessione.
Creare un notebook nel progetto.
Aggiungere codice al notebook per caricare e analizzare i dati.
Eseguire il notebook e condividere i risultati con i colleghi.

Leggi i notebook

Un notebook Jupyter è un ambiente basato sul web per il calcolo interattivo. Puoi eseguire piccola parti di codice che elaborano i tuoi dati e puoi visualizzare immediatamente i risultati del tuo calcolo. I notebook includono tutti i blocchi di creazione necessari per gestire i dati:

L'area dei dati
I calcoli del codice che elaborano i dati
Visualizzazioni dei risultati
Testo e rich media per migliorare la comprensione

Ulteriori informazioni sui notebook

Guarda un video sui notebook

Guarda il video Guarda questo video per scoprire le basi dei notebook Jupyter.

Questo video fornisce un metodo visivo per apprendere i concetti e le attività in questa documentazione.

Prova un'esercitazione per creare un notebook

In questa esercitazione, verranno completate le seguenti attività:

Attività 1: aprire un progetto.
Attività 2: aggiungere un notebook al progetto.
Attività 3: caricare un file e salvarlo.
Attività 4: ricerca e modifica del notebook.
Attività 5: condividere la versione di sola lettura del notebook.
Attività 6: pianificare l'esecuzione di un notebook in un momento diverso.

Il completamento di questa esercitazione richiederà circa 15 minuti.

Suggerimenti per completare questa esercitazione

Di seguito sono riportati alcuni suggerimenti per completare correttamente questa esercitazione.

Utilizzare il video immagine - in - immagine

Suggerimento: avviare il video, quindi, scorrendo l'esercitazione, il video passa alla modalità immagine - in - immagine. Chiudere il sommario video per la migliore esperienza con l'immagine in foto. È possibile utilizzare la modalità immagine - in - immagine in modo da poter seguire il video mentre si completano le attività in questa esercitazione. Fare clic sulla data / ora per ciascuna attività da seguire.

La seguente immagine animata mostra come utilizzare le funzioni di immagine video e indice:

Come usare il picture-in-picture e i capitoli

Ottieni aiuto nella community

Se hai bisogno di aiuto con questa esercitazione, puoi fare una domanda o trovare una risposta nel forum di discussione della comunitàwatsonx.

Configurare le finestre del browser

Per un'esperienza ottimale durante il completamento di questa esercitazione, apri Cloud Pak for Data in una finestra del browser e tieni aperta questa pagina dell'esercitazione in un'altra finestra del browser per passare facilmente tra le due applicazioni. Prendi in considerazione la possibilità di organizzare le due finestre del browser fianco a fianco per renderle più semplici da seguire.

Esercitazione e IU affiancati

Suggerimento: se si incontra un tour guidato mentre si completa questa esercitazione nell'interfaccia utente, fare clic su Forse in seguito.

Attività 1: apertura di un progetto

È necessario un progetto per memorizzare il notebook e l'asset di dati. È possibile utilizzare il progetto sandbox o creare un progetto. Seguire questi passi per aprire un progetto e aggiungere un asset di dati al progetto:

Dal Menu di navigazione , scegliere Progetti> Visualizza tutti i progetti
Aprire il progetto sandbox. Se si desidera utilizzare un nuovo progetto:
1. Fare clic su Nuovo progetto.
2. Selezionare Crea un progetto vuoto.
3. Immettere un nome e una descrizione facoltativa per il progetto.
4. Scegliere un' istanza del servizio di archiviazione oggetti esistente o crearne una nuova.
5. Fare clic su Crea.
Dal Menu di navigazione , fare clic su hub di risorse.
Cercare un dataset interessante e selezionare il dataset.
Fare clic su Aggiungi al progetto.
Selezionare il progetto dall'elenco e fare clic su Aggiungi.
Una volta aggiunto il dataset, fare clic su Visualizza progetto.
Nel progetto, fare clic sulla scheda Asset per visualizzare il dataset.

Per ulteriori informazioni, consultare Creazione di un progetto.

Controlla i tuoi progressi

La seguente immagine mostra la scheda Asset nel progetto

Attività 2: aggiungere un notebook al progetto

video dell'esercitazione di anteprima Per visualizzare l'anteprima di questa attività, guardare il video a partire dalle 00:06.

Effettuare le operazioni riportate di seguito per creare un nuovo notebook nel progetto.

Nel tuo progetto, sulla scheda Asset , fai clic su New asset> Work with data and models in Python or R notebooks.
Immettere un nome e una descrizione (facoltativo).
Selezionare un ambiente di runtime per questo notebook.
Fare clic su Crea. Attendere il caricamento dell'editor del notebook.

Controlla i tuoi progressi

La seguente immagine mostra un notebook vuoto.

Attività 3: caricamento di un file e salvataggio del notebook

video dell'esercitazione di anteprima Per visualizzare l'anteprima di questa attività, guardare il video a partire dalle 00:00.

Ora è possibile accedere all'asset di dati nel notebook caricato in precedenza nel progetto. Attenersi alla seguente procedura per caricare i dati in un frame di dati:

Fare clic in una cella di codice vuota nel notebook.
Fare clic sull'icona Frammenti di codice ().
Nel riquadro laterale, fare clic su Leggi dati.
Fare clic su Seleziona dati dal progetto.
Individuare l'asset di dati dal progetto e fare clic su Seleziona.
Nell'elenco a discesa Carica come , selezionare l'opzione di caricamento preferita.
Fare clic su Inserisci codice nella cella. Il codice per leggere e caricare l'asset di dati viene inserito nella cella.
Fare clic sull'icona Esegui per eseguire il codice. Verranno visualizzate le prime righe del dataset.
Per salvare una versione del notebook, fare clic su File> Salva versione. È anche possibile salvare il notebook con File> Salva.

Controlla i tuoi progressi

La seguente immagine mostra il blocco note con i panda DataFrame.

Attività 4: trovare e modificare il blocco appunti

video dell'esercitazione di anteprima Per visualizzare un'anteprima di questa attività, guardare il video a partire dalle 01:19.

Seguire questa procedura per individuare il blocco appunti salvato nella scheda Asset e modificare il blocco appunti:

Nella traccia di navigazione del progetto, fare clic sul nome del proprio progetto per tornare al progetto.
Fare clic sulla scheda Asset per trovare il notebook.
Quando si fa clic sul notebook, questo verrà aperto in modalità READ ONLY .
Per modificare il blocco appunti, fare clic su matita .
Fare clic su Informazioni per aprire il pannello Informazioni .
Nella scheda Generale , modificare il nome e la descrizione del notebook.
Fare clic sulla scheda Ambiente per visualizzare come è possibile modificare l'ambiente utilizzato per eseguire il notebook o aggiornare lo stato di runtime per arrestare e riavviare.

Controlla i tuoi progressi

La seguente immagine mostra il notebook con il pannello Informazioni visualizzato.

Attività 5: condivisione della versione di sola lettura del notebook

video dell'esercitazione di anteprima Per visualizzare l'anteprima di questa attività, guardare il video a partire dalle 01:52.

Seguire questa procedura per creare un collegamento al notebook da condividere con colleghi:

Fare clic sull'icona Condividi se si desidera condividere la vista di sola lettura del notebook.
Fare clic per attivare il pulsante di attivazione / disattivazione Condividi con chiunque abbia il collegamento .
Selezionare il contenuto che si desidera condividere tramite un link o social media.
Fare clic sull'icona Copia per copiare un collegamento diretto a questo notebook.
Fare clic su Chiudi.

Controlla i tuoi progressi

La seguente immagine mostra la casella di dialogo Condividi.

Attività 6: pianificare l'esecuzione di un notebook in un momento differente

video dell'esercitazione di anteprima Per visualizzare l'anteprima di questa attività, guardare il video a partire dalle 02:00.

Attenersi alla seguente procedura per creare un lavoro per pianificare l'esecuzione del notebook ad un'ora specifica o ripeterlo in base ad una pianificazione:

Fare clic su Lavori e selezionare Crea un lavoro.
Fornire il nome e la descrizione del lavoro e fare clic su Avanti.
Selezionare la versione del notebook e il runtime dell'ambiente, quindi fare clic su Avanti.
(Facoltativo) Fare clic sul pulsante di attivazione / disattivazione per pianificare un'esecuzione. Specificare la data, l'ora e se si desidera che il job venga ripetuto e fare clic su Avanti.
(Facoltativo) fare clic sul pulsante di attivazione / disattivazione per ricevere notifiche per questo lavoro e fare clic su Avanti.
Esaminare i dettagli e fare clic su Crea (per creare il lavoro, ma non eseguire il lavoro immediatamente) o su Crea ed esegui (per eseguire il lavoro immediatamente).
Il job verrà visualizzato nella scheda Jobs nel progetto.

Controlla i tuoi progressi

La seguente immagine mostra la scheda Lavori.

Passi successivi

Ora è possibile utilizzare questo dataset per ulteriori analisi. Ad esempio, l'utente o altri utenti possono eseguire una delle seguenti attività:

Ulteriori risorse

Visualizza altri video.
Trova dataset di esempio, progetti, modelli, prompt e notebook nell'hub di risorse per ottenere un'esperienza pratica:

Notebooks che è possibile aggiungere al progetto per iniziare ad analizzare i dati e creare modelli.

Progetti che è possibile importare contenenti notebook, dataset, prompt e altri asset.

Set di dati che è possibile aggiungere al proprio progetto per perfezionare, analizzare e creare modelli.

Richiedi che è possibile utilizzare in Prompt Lab per richiedere un modello di base.

Foundation models che è possibile utilizzare in Prompt Lab.

Argomento principale: Esercitazioni introduttive