Desenvolvimento e execução de código nos Snowflake Notebooks¶

Noções básicas sobre células de notebooks¶

Esta seção apresenta algumas operações básicas de células. Quando você cria um notebook, três células de exemplo são exibidas. Você pode modificar essas células ou adicionar novas.

Execução de células Python e SQL nos Snowflake Notebooks¶

Para executar células Python e SQL nos Snowflake Notebooks, você pode:

• Executar uma única célula: escolha esta opção ao fazer atualizações de código frequentes.

  • Pressione CMD + Return em um teclado Mac, ou CTRL + Enter em um teclado Windows.

  • Selecione ou Run this cell only.

• Executar todas as células em um notebook em ordem sequencial: escolha esta opção antes de apresentar ou compartilhar um notebook para garantir que os destinatários consultem as informações mais atualizadas.

  • Pressione CMD + Shift + Return em um teclado Mac, ou CTRL + Shift + Enter em um teclado Windows.

  • Selecione Run all.

• Executar uma célula e avançar para a próxima célula: escolha esta opção para executar uma célula e avançar para a próxima célula mais rapidamente.

  • Pressione Shift + Return em um teclado Mac, ou Shift + Enter em um teclado Windows.

  • Selecione o menu de reticências verticais (mais ações) para uma célula e escolha Run cell and advance.

• Executar tudo acima: escolha esta opção ao executar uma célula que faça referência aos resultados de células anteriores.

  • Selecione o menu de reticências verticais (mais ações) para uma célula e escolha Run all above.

• Executar tudo abaixo: escolha esta opção ao executar uma célula da qual células posteriores dependem. Esta opção executa a célula atual e todas as células seguintes.

  • Selecione o menu de reticências verticais (mais ações) para uma célula e escolha Run all below.

Quando uma célula está em execução, outras solicitações de execução são enfileiradas e serão executadas assim que a célula em execução ativa terminar.

Como formatar texto com Markdown¶

Para incluir Markdown em seu notebook, adicione uma célula Markdown:

1. Use um atalho de teclado e selecione Markdown ou + Markdown.

2. Selecione o ícone de lápis Edit markdown ou clique duas vezes na célula e comece a escrever Markdown.

Você pode digitar Markdown válido para formatar uma célula de texto. À medida que você digita, o texto formatado aparece abaixo da sintaxe Markdown.

Para exibir apenas o texto formatado, selecione o ícone de marca de seleção Done editing.

Noções básicas de Markdown¶

Esta seção descreve a sintaxe básica do Markdown para introduzir o assunto.

Cabeçalhos

Nível de título	Sintaxe Markdown	Exemplo
Nível superior	# Top-level Header Copy
2º nível	## 2nd-level Header Copy
3º nível	### 3rd-level Header Copy

Formatação de texto em linha

Formato de texto	Sintaxe Markdown	Exemplo
Itálico	*italicized text* Copy
Negrito	**bolded text** Copy
Link	[Link text](url) Copy

Listas

Tipo de lista	Sintaxe Markdown	Exemplo
Lista ordenada	1. first item 2. second item 1. Nested first 2. Nested second Copy
Lista não ordenada	- first item - second item - Nested first - Nested second Copy

Formatação de código

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

Incorporar imagens

Tipo de arquivo	Sintaxe Markdown	Exemplo
Imagem	 Copy

Para um notebook que demonstra esses exemplos de Markdown, consulte a seção Células de Markdown do notebook de histórias de dados visuais.

Compreensão das saídas de células¶

Ao executar uma célula Python, os seguintes tipos de saída de célula são exibidos nos resultados:

• Quaisquer resultados gravados no console, como print(), logs, erros e avisos.

• Os DataFrames são impressos automaticamente com a exibição de tabela interativa do Streamlit, st.dataframe().

  • Os tipos de exibição de dataframe compatíveis incluem pandas DataFrame, Snowpark DataFrames e tabelas Snowpark.

  • Para Snowpark, os DataFrames impressos são avaliados imediatamente, sem a necessidade de chamar .show(). Se você preferir não avaliar o dataframe imediatamente, por exemplo, ao executar o notebook no modo não interativo, Snowflake recomenda remover as instruções de impressão do DataFrame para acelerar o tempo de execução geral do código Snowpark.

• As exibições são renderizadas em saídas. Para saber mais sobre como visualizar seus dados nos Snowflake Notebooks, consulte Visualização de dados no Snowflake Notebooks.

Além disso, você pode acessar os resultados de sua consulta SQL em Python e vice-versa. Consulte Células de referência e variáveis nos Snowflake Notebooks.

Células de referência e variáveis nos Snowflake Notebooks¶

Você pode referenciar os resultados das células anteriores em uma célula do notebook. Por exemplo, para referenciar o resultado de uma célula SQL ou o valor de uma variável Python, consulte as seguintes tabelas:

Saída de referência SQL em células Python:

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()

Referência de variáveis em código SQL:

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

c = "USA"

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

Considerações para execução de notebooks¶

• Os notebooks são executados usando os direitos do chamador. Para considerações adicionais, consulte Alteração do contexto de sessão para um notebook.

• Você pode importar bibliotecas Python para usar em um notebook. Para obter mais detalhes, consulte Importação de pacotes Python para uso em notebooks.

• Ao referenciar objetos em células SQL, você deve usar os nomes de objetos totalmente qualificados, a menos que esteja referenciando nomes de objetos em um banco de dados ou esquema especificado. Consulte Alteração do contexto de sessão para um notebook.

• Os rascunhos do notebook são salvos a cada três segundos.

• Após uma hora de inatividade (sem edição de código ou execução de consultas), o kernel do notebook será desligado. A Snowflake também recomenda que você verifique os parâmetros do seu warehouse. Se STATEMENT_TIMEOUT_IN_SECONDS ou STATEMENT_QUEUED_TIMEOUT_IN_SECONDS for definido como um valor pequeno, o notebook poderá desligar ou não iniciar.

• Você pode usar a integração com o Git para manter versões do notebook.

• Os resultados das células do notebook são armazenados em cache entre as sessões. Reabrir um notebook exibe os resultados anteriores da última vez que você executou o notebook usando a UI. Os resultados armazenados em cache só são visíveis para o mesmo usuário que executou o notebook.

• BEGIN … END (Script Snowflake) não é compatível em células SQL. Em vez disso, use o método Session.sql().collect() em uma célula Python para executar o bloco de script. Encadeie a chamada sql com uma chamada para collect para executar imediatamente a consulta SQL.

  O código a seguir executa um bloco de script Snowflake usando o método session.sql().collect():

  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

Próxima etapa¶

• Atalhos de teclado para Snowflake Notebooks.