Snowflake Notebooks 에서 코드 개발 및 실행¶

노트북 셀 기본 사항¶

이 섹션에서는 몇 가지 기본적인 셀 작업을 소개합니다. 노트북을 만들 때 세 개의 예제 셀이 표시됩니다. 해당 셀을 수정하거나 새로운 셀을 추가할 수 있습니다.

Snowflake Notebooks 에서 셀 실행¶

Python 및 SQL 셀을 Snowflake Notebooks 에서 실행하려면 다음을 수행합니다.

• 단일 셀 실행: 코드를 자주 업데이트하는 경우 이 옵션을 선택합니다.

  • Mac 키보드의 경우 CMD + Return 을 누르거나 Windows 키보드의 경우 CTRL + Enter 를 누릅니다.

  • 또는 Run this cell only 를 선택합니다.

• 노트북의 모든 셀을 순차적으로 실행: 수신자가 최신 정보를 볼 수 있도록 노트북을 발표하거나 공유하기 전에 이 옵션을 선택합니다.

  • Mac 키보드의 경우 CMD + Shift + Return 을 누르거나 Windows 키보드의 경우 CTRL + Shift + Enter 를 누릅니다.

  • Run all 를 선택합니다.

• 셀을 실행하고 다음 셀로 이동: 이 옵션을 선택하면 셀을 실행하고 다음 셀로 더 빠르게 이동할 수 있습니다.

  • Mac 키보드의 경우 Shift + Return 을 누르거나 Windows 키보드의 경우 Shift + Enter 를 누릅니다.

  • 셀에 대한 세로 줄임표 (추가 작업)를 선택하고 Run cell and advance 를 선택합니다.

• 위의 모든 항목 실행: 이전 셀의 결과를 참조하는 셀을 실행할 때 이 옵션을 선택합니다.

  • 셀에 대한 세로 줄임표 (추가 작업)를 선택하고 Run all above 를 선택합니다.

• 아래의 모든 항목 실행: 이후 셀이 종속된 셀을 실행할 때 이 옵션을 선택합니다. 이 옵션은 현재 셀과 그 이후의 모든 셀을 실행합니다.

  • 셀에 대한 세로 줄임표 (추가 작업)를 선택하고 Run all below 를 선택합니다.

하나의 셀이 실행 중일 때 다른 실행 요청은 큐에 추가되고, 실제로 실행 중인 셀이 완료되면 실행됩니다.

마크다운으로 텍스트 서식 지정¶

노트북에 마크다운을 포함하려면 마크다운 셀을 추가합니다.

1. 키보드 단축키 를 사용하여 Markdown 을 선택하거나 + Markdown 을 선택합니다.

2. Edit markdown 연필 아이콘을 선택하거나 셀을 두 번 클릭하고 마크다운 작성을 시작합니다.

유효한 마크다운을 입력하여 텍스트 셀을 서식 지정할 수 있습니다. 입력하면 서식이 지정된 텍스트가 마크다운 구문 아래에 나타납니다.

서식이 지정된 텍스트만 보려면 Done editing 체크 표시 아이콘을 선택합니다.

마크다운 기본 사항¶

이 섹션에서는 시작하는 데 도움이 되는 기본 마크다운 구문을 설명합니다.

헤더

헤딩 수준	마크다운 구문	예
1단계 수준	# Top-level Header Copy
2단계 수준	## 2nd-level Header Copy
3단계 수준	### 3rd-level Header Copy

인라인 텍스트 서식

텍스트 형식	마크다운 구문	예
이탤릭체	*italicized text* Copy
굵게	**bolded text** Copy
링크	[Link text](url) Copy

목록

목록 유형	마크다운 구문	예
정렬된 목록	1. first item 2. second item 1. Nested first 2. Nested second Copy
순서 없는 목록	- first item - second item - Nested first - Nested second Copy

코드 서식

언어	마크다운 구문	예
Python	```python import pandas as pd df = pd.DataFrame([1,2,3]) ``` Copy
SQL	```sql SELECT * FROM MYTABLE ``` Copy

이미지 삽입

파일 유형	마크다운 구문	예
이미지	 Copy

이러한 Markdown 예제를 보여주는 노트북은 시각적 데이터 스토리 노트북의 Markdown 셀 섹션을 참조하십시오.

셀 출력 이해하기¶

Python 셀을 실행하면 노트북의 결과에 셀의 출력 유형이 다음과 같이 표시됩니다.

• 로그, 오류, 경고 등 콘솔에 기록된 모든 결과와 print() 문으로 출력된 결과입니다.

• DataFrames 은 Streamlit의 대화형 테이블 디스플레이, st.dataframe() 로 데이터 프레임이 자동으로 인쇄됩니다.

  • 지원되는 DataFrame 디스플레이 유형에는 pandas DataFrame, Snowpark DataFrames, Snowpark 테이블이 있습니다.

  • Snowpark의 경우 .show() 명령을 실행할 필요 없이 DataFrames 을 출력하여 적극적으로 평가합니다. 예를 들어, 노트북을 비대화형 모드로 실행할 때와 같이 DataFrame 을 즉시 평가하지 않으려면 Snowflake는 Snowpark 코드의 전체 런타임을 가속화하기 위해 DataFrame 인쇄 명령을 제거하는 것을 권장합니다.

• 시각화는 출력으로 렌더링됩니다. 데이터 시각화에 대해 자세히 알아보려면 Snowflake Notebooks 에서 데이터 시각화 섹션을 참조하십시오.

또한 Python에서 SQL 쿼리 결과에 액세스할 수 있으며 그 반대의 경우도 마찬가지입니다. Snowflake Notebooks 의 참조 셀 및 변수 섹션을 참조하십시오.

Snowflake Notebooks 의 참조 셀 및 변수¶

노트북 셀에서 이전 셀 결과를 참조할 수 있습니다. 예를 들어, SQL의 결과 또는 Python 변수의 값을 참조하려면 다음 테이블을 참조하십시오.

Python 셀의 참조 SQL 출력:

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 코드의 참조 변수:

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'

노트북 실행을 위한 고려 사항¶

• 노트북은 호출자 권한을 사용하여 실행됩니다. 추가 고려 사항은 노트북의 세션 컨텍스트 변경하기 섹션을 참조하십시오.

• 노트북에서 사용할 Python 라이브러리를 가져올 수 있습니다. 자세한 내용은 노트북에서 사용할 Python 패키지 가져오기 섹션을 참조하십시오.

• SQL 셀에서 오브젝트를 참조할 때는 지정된 데이터베이스 또는 스키마에서 오브젝트 이름을 참조하는 경우가 아니라면 정규화된 오브젝트 이름을 사용해야 합니다. 노트북의 세션 컨텍스트 변경하기 섹션을 참조하십시오.

• 노트북 초안은 3초마다 저장됩니다.

• Git 통합을 사용하면 노트북 버전을 유지 관리할 수 있습니다.

• 유휴 시간 제한 설정을 구성해 설정이 충족되면 노트북 세션을 자동으로 종료하도록 할 수 있습니다. 자세한 내용은 유휴 시간 및 재접속 섹션을 참조하십시오.

• 노트북 셀 결과는 노트북을 실행한 사용자에게만 표시되며 여러 세션에 걸쳐 캐시됩니다. 노트북을 다시 열면 사용자가 Snowsight 를 사용해 마지막으로 노트북을 실행했을 때의 과거 결과가 표시됩니다.

• BEGIN … END(Snowflake Scripting) 은 SQL 셀에서 지원되지 않습니다. 대신 Python 셀에서 Session.sql().collect() 메서드를 사용하여 스크립팅 블록을 실행합니다. sql 호출을 collect 호출로 연결하여 SQL 쿼리를 즉시 실행합니다.

  다음 코드는 session.sql().collect() 메서드를 사용하여 Snowflake 스크립팅 블록을 실행합니다.

  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