Snowflake Notebooks でコードを開発し、実行します。¶

ノートブックセルの基本¶

このセクションでは基本的なセル操作について紹介します。 ノートブックを作成 すると、3つのセル例が表示されます。これらのセルを変更したり、新しいセルを追加することができます。

Snowflake Notebooks でセルを実行する¶

Snowflake Notebooks でPythonと SQL セルを実行するには、次を行うことができます。

• シングルセルを実行: コードの更新を頻繁に行う場合は、このオプションを選択してください。

  • Macキーボードで:kbd:CMD + Return を押すか、またはWindowsキーボードで:kbd:CTRL + Enter を押します。

  • または Run this cell only を選択します。

• ノートブック内のすべてのセルを連続した順序で実行: ノートブックを提示または共有する前にこのオプションを選択すると、受信者に最新の情報が表示されます。

  • Macキーボードで:kbd:CMD + Shift + Return を押すか、またはWindowsキーボードで:kbd:CTRL + Shift + Enter を押します。

  • Run all を選択します。

• セルを実行して次のセルに進む: セルを実行して次のセルに進むにはこのオプションを選んでください。

  • Macキーボードで:kbd:Shift + Return を押すか、またはWindowsキーボードで:kbd:Shift + Enter を押します。

  • セルの垂直省略記号 （その他のアクション）を選択し、 Run cell and advance を選択します。

• 上記すべてを実行：以前のセルの結果を参照するセルを実行する場合、このオプションを選択します。

  • セルの垂直省略記号 （その他のアクション）を選択し、 Run all above を選択します。

• 以下すべて実行：後続のセルに依存するセルを実行する場合、このオプションを選択します。このオプションは、現在のセルとそれに続くすべてのセルを実行します。

  • セルの垂直省略記号 （その他のアクション）を選択し、 Run all below を選択します。

あるセルが動作しているとき、他の実行要求はキューに入れられ、アクティブに動作しているセルが終了すると実行されます。

Markdownでテキストをフォーマット¶

ノートブックにMarkdownを含めるには、Markdownセルを追加してください：

1. キーボードショートカット を使用し、 Markdown を選択するか、 + Markdown を選択します。

2. Edit markdown 鉛筆アイコンを選択するか、セルをダブルクリックして、Markdownを書き始めます。

有効なMarkdownを入力して、テキストセルをフォーマットすることができます。入力すると、Markdown構文の下にフォーマットされたテキストが表示されます。

書式付きテキストのみを表示するには、 Done editing チェックマークアイコンを選択します。

Markdownの基本¶

このセクションでは、Markdownを使い始める上での基本的な構文について説明します。

ヘッダー

ヘディングレベル	Markdown構文	例
最上位	# Top-level Header Copy
第2レベル	## 2nd-level Header Copy
第3レベル	### 3rd-level Header Copy

インラインテキストの書式設定

テキスト形式	Markdown構文	例
斜体	*italicized text* Copy
太字	**bolded text** Copy
リンク	[Link text](url) Copy

リスト

リストタイプ	Markdown構文	例
順序付きリスト	1. first item 2. second item 1. Nested first 2. Nested second Copy
順序なしリスト	- first item - second item - Nested first - Nested second Copy

コードの書式設定

言語	Markdown構文	例
Python	```python import pandas as pd df = pd.DataFrame([1,2,3]) ``` Copy
SQL	```sql SELECT * FROM MYTABLE ``` Copy

画像の埋め込み

ファイルタイプ	Markdown構文	例
画像	 Copy

これらのMarkdownの例を示すノートブックについては、ビジュアルデータストーリーノートブックの Markdownセル セクションをご参照ください。

セル出力の理解¶

Python セルを実行すると、ノートブックにはセルからの出力が以下のタイプで結果に表示されます。

• ログ、エラー、警告、print() ステートメントからの出力など、コンソールに書き込まれるすべての結果。

• DataFrames は Streamlitのインタラクティブ・テーブル・ディスプレイ、 st.dataframe() で自動的に印刷されます。

  • サポートされている DataFrame 表示タイプには、pandas DataFrame、Snowpark DataFrames、Snowpark Tables があります。

  • Snowparkの場合、印刷された DataFrames は、 .show() コマンドを実行することなく、熱心に評価されます。非インタラクティブモードでノートブックを実行する場合など、 DataFrame を熱心に評価したくない場合、Snowflake では、 DataFrame print ステートメントを削除して、Snowpark コード全体のランタイムを高速化することを推奨しています。

• 可視化は出力でレンダリングされます。データの可視化について詳しくは、 Snowflake Notebooks のデータを可視化する をご覧ください。

さらに、SQLクエリの結果に Python でアクセスしたり、その逆も可能です。 Snowflake Notebooks の参照セルと変数 をご参照ください。

Snowflake Notebooks の参照セルと変数¶

ノートブックのセルで前のセルの結果を参照できます。たとえば、 SQL セルの結果やPython変数の値を参照したい場合は、以下のテーブルをご参照ください。

PythonのセルでSQLの出力を参照する:.

SELECT 'FRIDAY' as SNOWDAY, 0.2 as CHANCE_OF_SNOW
UNION ALL
SELECT 'SATURDAY',0.5
UNION ALL
SELECT 'SUNDAY', 0.9;

snowpark_df = cell1.to_df()

my_df = cell1.to_pandas()

SQLコードの変数を参照します。

SELECT * FROM {{cell2}} where PRICE > 500

c = "USA"

SELECT * FROM my_table WHERE COUNTRY = '{{c}}'

column_name = "COUNTRY"

SELECT * FROM my_table WHERE {{column_name}} = 'USA'

ノートブックを実行する際の注意点¶

• ノートブックは発信者権限を使用して実行されます。その他の留意点については、 ノートブックのセッションコンテキストの変更 をご参照ください。

• Pythonライブラリをインポートしてノートブックで使うことができます。詳細については、 ノートブックで使用するPythonパッケージをインポートする をご参照ください。

• SQLセルでオブジェクトを参照する場合は、指定したデータベースまたはスキーマのオブジェクト名を参照するのでない限り、完全修飾オブジェクト名を使用する必要があります。 ノートブックのセッションコンテキストの変更 をご参照ください。

• ノートブックの下書きは3秒ごとに保存されます。

• ノートブックのバージョンを管理するためにGitの統合を使用することができます。

• アイドルタイムアウト設定を構成し、設定に達するとノートブックセッションを自動的にシャットダウンすることができます。詳細については、 アイドルタイムと再接続 をご参照ください。

• Notebooksのセル結果は、Notebooksを実行したユーザーにのみ表示され、セッションをまたいでキャッシュされます。ノートブックを開き直すと、 Snowsight を使ってユーザーが最後にノートブックを実行したときの過去の結果が表示されます。

• BEGIN ... END （Snowflakeスクリプト） は、SQL セルでサポートされていません。代わりに、Pythonのセルで Session.sql().collect() メソッドを使用してスクリプトブロックを実行します。SQL クエリを即座に実行するために、 collect の呼び出しで sql 呼び出しをチェーンします。

  次のコードは session.sql().collect() メソッドを使用してSnowflakeスクリプトブロックを実行します。

  from snowflake.snowpark.context import get_active_session
  session = get_active_session()
  code_to_run = """
  BEGIN
      CALL TRANSACTION_ANOMALY_MODEL!DETECT_ANOMALIES(
          INPUT_DATA => SYSTEM$REFERENCE('TABLE', 'ANOMALY_INFERENCE'),
          TIMESTAMP_COLNAME =>'DATE',
          TARGET_COLNAME => 'TRANSACTION_AMOUNT',
          CONFIG_OBJECT => {'prediction_interval': 0.95}
      );
  
      LET x := SQLID;
      CREATE TABLE ANOMALY_PREDICTIONS AS SELECT * FROM TABLE(RESULT_SCAN(:x));
  END;
  """
  data = session.sql(code_to_run).collect(block=True);
  

  Copy