Zum Inhalt springen

Jupyter-Notebooks und JupyterLab bieten hervorragende interaktive Möglichkeiten, Daten zu analysieren, zu untersuchen, zu erläutern und darüber zu berichten. PlaidCloud ermöglicht die Nutzung von Informationen direkt in Notebooks.

PlaidCloud stellt in jedem Mandanten-Workspace JupyterHub bereit, sofern es aktiviert ist. Die folgende Dokumentation hilft Ihnen bei der Einrichtung von Jupyter auf einem Desktop oder einem separaten Server.

Dabei wird vorausgesetzt, dass Sie über eine funktionierende Jupyter-Notebook-Installation verfügen.

Weitere Informationen zur lokalen Installation eines Jupyter-Notebooks finden Sie in der Installationsdokumentation von Jupyter.

VS Code bietet außerdem eine Erweiterung, mit der Sie Notebooks direkt in VS Code ausführen können. Installieren Sie die Erweiterung über den Visual Studio Marketplace

Zwar lässt sich PlaidCloud über standardmäßige OAuth- und REST-API-Anfragen ansprechen, wir empfehlen jedoch, für einen einfacheren Zugriff unsere vorgefertigten Bibliotheken zu verwenden. Darüber hinaus enthält die PlaidCloud-Utilities-Bibliothek nützliche Datenhilfen für die Arbeit mit Pandas-Dataframes.

Um PlaidCloud Utilities zu installieren, führen Sie die folgenden pip-Installationen aus:

Terminal-Fenster
pip install "plaidcloud-rpc>=1.25.0" plaidcloud-utilities

Version 1.25.0 von plaidcloud-rpc ist die erste, die ihre Aufrufe an die REST-API sendet. Frühere Versionen verwenden JSON-RPC, das veraltet ist und in einem späteren Release entfernt wird.

Weitere Informationen zum Abrufen eines OAuth-Tokens und zur Konfiguration des Systems für die automatisierte Authentifizierung finden Sie unter OAuth-Einrichtung.

Starten Sie Ihren Notebook-Server, um zu beginnen.

Sobald Sie bei Ihrem Jupyter-Notebook-Server angemeldet sind, erstellen Sie in der Benutzeroberfläche ein neues Notebook.

Dadurch wird ein leeres Notebook geöffnet.

Erstellen Sie eine Verbindung, um über die API-Endpunkte mit PlaidCloud zu kommunizieren

from plaidcloud.utilities.connect import PlaidConnection
conn = PlaidConnection()

Erstellen Sie ein lokales Tabellenobjekt und fragen Sie es dann ab. Die Ergebnisse werden automatisch in einem Pandas-DataFrame abgelegt.

tbl_sf_cust_master = conn.get_table('Salesforce_Customer_Master') # This gets a table object
df_sf_cust_master = conn.get_data(tbl_sf_cust_master) # This retrieves all the data into a dataframe

Mit demselben Tabellenobjekt können Sie auch komplexere Abfragen in der Standard-SQLAlchemy-Syntax schreiben.

df_sf_cust_master_w_sales = conn.get_data(
tbl_sf_cust_master.select().with_only_columns(
[tbl_sf_cust_master.c.Id, tbl_sf_cust_master.c.CurrencyIsoCode, tbl_sf_cust_master.c.SyDSalesRegion]
).where(
tbl_sf_cust_master.c.TotalSalesPast3Years > 0
)
)