Notebooks Jupyter

Os Notebooks Jupyter e o Jupyter Lab oferecem recursos interativos excepcionais para analisar, explorar, explicar e relatar dados. O PlaidCloud permite usar as informações diretamente em notebooks.

O PlaidCloud fornece o JupyterHub dentro de cada espaço de trabalho do locatário, caso ele esteja ativado para uso. A documentação abaixo ajuda a configurar o Jupyter separadamente em um computador pessoal ou em um servidor separado.

Instalar o Notebook Jupyter

Isto pressupõe que você já tenha uma instalação funcional do Notebook Jupyter.

Instalar um Notebook Jupyter autônomo

Para saber mais sobre como instalar um Notebook Jupyter localmente, consulte a documentação de instalação do Jupyter.

Adicionar ao VS Code

O VS Code também oferece uma extensão que permite executar notebooks diretamente nele. Instale a extensão pelo Visual Studio Marketplace

Instalar os utilitários do PlaidCloud

Embora seja possível acessar o PlaidCloud com solicitações OAuth e JSON-RPC padrão, recomendamos que você use nossas bibliotecas pré-construídas para simplificar o acesso. Além disso, a biblioteca de utilitários do PlaidCloud inclui auxiliares de dados práticos para uso com DataFrames do Pandas.

Para instalar os utilitários do PlaidCloud, execute as seguintes instalações com pip:

pip install plaidcloud-rpc@git+https://github.com/PlaidCloud/plaid-rpc.git@v1.4.0#egg=plaidcloud-rpc

pip install plaidcloud-utilities@git+https://github.com/PlaidCloud/plaid-utilities.git@v1.5.2#egg=plaidcloud-utilities

Obter um token OAuth

Consulte Configuração do OAuth para saber mais sobre como obter um token OAuth e como configurar o sistema para autenticação automatizada.

Abrir a interface do usuário do Notebook Jupyter

Inicie o servidor de notebooks para começar.

Depois de fazer login no servidor de notebooks Jupyter, crie um novo notebook pela interface.

Isso abrirá um notebook em branco.

Crie uma conexão para se comunicar com o PlaidCloud por meio dos endpoints da API

from plaidcloud.utilities.connect import PlaidConnection

conn = PlaidConnection()

Estabeleça um objeto de tabela local e consulte-o, com os resultados colocados automaticamente em um DataFrame do Pandas.

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

Com esse mesmo objeto de tabela, você também pode escrever consultas mais avançadas usando a sintaxe padrão do SQLAlchemy.

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
    )
)