在 Snowflake Notebooks 中开发和运行代码¶

笔记本单元格基础知识¶

本部分介绍一些基本单元格操作。当您 创建笔记本 时，会显示三个示例单元格。您可以修改这些单元格或者添加新的单元格。

在 Snowflake Notebooks 中运行单元格¶

要在 Snowflake Notebooks 中运行 Python 和 SQL 单元格，您可以：

• 运行单个单元格：频繁更新代码时请选择此选项。

  • 在 Mac 键盘上按 CMD + return，或在 Windows 键盘上按 CTRL + Enter。

  • 选择 或 Run this cell only。

• 按顺序运行笔记本中的所有单元格：在演示或共享笔记本之前选择此选项，以确保收件人看到最新的信息。

  • 在 Mac 键盘上按 CMD + shift + return，或在 Windows 键盘上按 CTRL + Shift + Enter。

  • 选择 Run all。

• 运行单元格并前进到下一个单元格：选择此选项可以运行单元格并更快地前进到下一个单元格。

  • 在 Mac 键盘上按 shift + return，或在 Windows 键盘上按 Shift + Enter。

  • 选择垂直省略号 |vertical-ellipsis|（更多操作）单元格，然后选择 Run cell and advance。

• 运行上述全部：运行引用早期单元格结果的单元格时选择此选项。

  • 选择垂直省略号 |vertical-ellipsis|（更多操作）单元格，然后选择 Run all above。

• 运行以下全部：运行后续单元格所依赖的单元格时选择此选项。此选项运行当前单元格和所有后续单元格。

  • 选择垂直省略号 |vertical-ellipsis|（更多操作）单元格，然后选择 Run all below。

当一个单元格正在运行时，其他运行请求将排队，并将在当前正在运行的单元格完成后执行。

使用 Markdown 格式化文本¶

要将 Markdown 包含在笔记本中，请添加一个 Markdown 单元格：

1. 使用 键盘快捷键 并选择 Markdown，或选择 + Markdown。

2. 选择 Edit markdown 铅笔图标或双击单元格，开始编写 Markdown。

您可以输入有效的 Markdown 来格式化文本单元格。键入时，格式化的文本会显示在 Markdown 语法下方。

要仅查看格式化的文本，请选择 Done editing 复选标记图标。

Markdown 基础知识¶

本部分介绍基本的 Markdown 语法，帮助您入门。

标头

标题级别	Markdown 语法	示例
顶级	# Top-level Header Copy
2 级	## 2nd-level Header Copy
3 级	### 3rd-level Header Copy

内联文本格式

文本格式	Markdown 语法	示例
斜体	*italicized text* Copy
粗体	**bolded text** Copy
链接	[Link text](url) Copy

列表

列表类型	Markdown 语法	示例
有序列表	1. first item 2. second item 1. Nested first 2. Nested second Copy
无序列表	- first item - second item - Nested first - Nested second Copy

代码格式

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

嵌入图像

文件类型	Markdown 语法	示例
图像	 Copy

有关演示这些 Markdown 示例的笔记本，请参阅视觉数据故事笔记本中的 Markdown 单元格 (https://github.com/Snowflake-Labs/snowflake-demo-notebooks/blob/main/Visual%20Data%20Stories%20with%20Snowflake%20Notebooks/Visual%20Data%20Stories%20with%20Snowflake%20Notebooks.ipynb) 部分。

了解单元格输出¶

运行 Python 单元格时，笔记本会在结果中显示单元格的以下输出类型：

• 写入控制台的任何结果，例如日志、错误、警告以及来自 print() 语句的输出。

• 使用 Streamlit 的交互式表 (https://docs.streamlit.io/develop/api-reference/data/st.dataframe), st.dataframe() 时自动打印 DataFrames。

  • 支持的 DataFrame 显示类型包括 pandas DataFrame、Snowpark DataFrames 和 Snowpark Tables。

  • 对于 Snowpark，会立即评估已打印的 DataFrames，无需运行 .show() 命令。如果您不想立即评估 DataFrame，例如，在非交互模式下运行笔记本时，Snowflake 建议删除 DataFrame 打印语句来加快 Snowpark 代码的整体运行时。

• 可视化效果在输出中呈现。要了解有关数据可视化的更多信息，请参阅 Snowflake Notebooks 中的可视化数据。

此外，您可以在 Python 中访问 SQL 查询的结果，反之亦然。请参阅 在 Snowflake Notebooks 中引用单元格和变量。

在 Snowflake Notebooks 中引用单元格和变量¶

您可以在笔记本单元格中引用前一个单元格结果。例如，引用 SQL 单元格的结果或者 Python变量的值，请参阅下表：

在 Python 单元格中引用 SQL 输出：

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()

引用 SQL 代码中的变量：

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'

运行笔记本的注意事项¶

• 笔记本以调用方权限运行。有关其他注意事项，请参阅 更改笔记本的会话上下文。

• 您可以导入 Python 库以在笔记本中使用。有关详细信息，请参阅 导入 Python 包以在笔记本中使用。

• 在 SQL 单元格中引用对象时，您必须使用完全限定的对象名称，除非您引用的是指定数据库或架构中的对象名称。请参阅 更改笔记本的会话上下文。

• 笔记本草稿每三秒钟保存一次。

• 您可以使用 Git 集成来维护笔记本版本。

• 您可以配置空闲超时设置，以便在满足设置后自动关闭笔记本会话。有关信息，请参阅 空闲时间和重新连接。

• 笔记本单元格结果仅对运行笔记本的用户可见，并在会话之间缓存。重新打开笔记本会显示用户上次使用 Snowsight 运行笔记本时的结果。

• BEGIN ...END (Snowflake Scripting) 在 SQL 单元格中不受支持。相反，在 Python 单元格中使用 Session.sql().collect() 方法运行脚本块。链接 sql 调用与 collect 调用以立即执行 SQL 查询。

  以下代码使用 session.sql().collect() 方法运行 Snowflake Scripting 块：

  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