- Python 3.8 ou version ultérieure
- un environnement virtuel
- un service ClickHouse Cloud opérationnel et vos informations de connexion
- Vous connecter à ClickHouse Cloud depuis des notebooks Marimo avec chDB
- Interroger des jeux de données distants et convertir les résultats en Pandas DataFrames
- Visualiser des données avec Plotly dans Marimo
- Tirer parti du modèle d’exécution réactif de Marimo pour l’exploration interactive des données
Configuration
Chargement du jeu de données
Data sources. Cliquez ensuite sur Predefined sample data :
Sélectionnez Get started dans la carte UK property price paid data (4GB) :
Cliquez ensuite sur Import dataset :
ClickHouse créera automatiquement la table pp_complete dans la base de données default et la remplira avec 28,92 millions de lignes de données de prix.
Afin de réduire le risque d’exposer vos identifiants, nous vous recommandons d’ajouter votre nom d’utilisateur et votre mot de passe Cloud comme variables d’environnement sur votre machine locale.
Depuis un terminal, exécutez la commande suivante pour ajouter votre nom d’utilisateur et votre mot de passe comme variables d’environnement :
Configuration des identifiants
Les variables d’environnement ci-dessus ne persistent que pendant la durée de votre session de terminal.
Pour les définir de façon permanente, ajoutez-les à votre fichier de configuration du shell.
Installation de Marimo
Installer les dépendances
Explorer les données
remoteSecure de ClickHouse vous permet de récupérer facilement les données depuis ClickHouse Cloud.
Vous pouvez demander à chDB de renvoyer ces données sous la forme d’une Pandas DataFrame en mémoire, ce qui constitue une manière pratique et familière de travailler avec les données.
Interroger les données de ClickHouse Cloud
pandas.DataFrame :
chdb.query(query, "DataFrame") exécute la requête spécifiée et renvoie le résultat sous forme de Pandas DataFrame.
Dans la requête, nous utilisons la fonction remoteSecure pour nous connecter à ClickHouse Cloud.
La fonction remoteSecure prend comme paramètres :
- une chaîne de connexion
- le nom de la base de données et de la table à utiliser
- votre nom d’utilisateur
- votre mot de passe
remoteSecure se connecte au service ClickHouse Cloud distant, exécute la requête et renvoie le résultat.
Selon la taille de vos données, cela peut prendre quelques secondes.
Dans ce cas, nous renvoyons un prix moyen par année et appliquons un filtre avec town='LONDON'.
Le résultat est ensuite stocké sous forme de DataFrame dans une variable appelée df.
Visualisation des données
Sélection interactive d’une commune
Explorer les distributions de prix avec des boîtes à moustaches interactives
Résumé
remoteSecure(), et convertir directement les résultats en Pandas DataFrames pour l’analyse et la visualisation.
Grâce à chDB et au modèle d’exécution réactif de Marimo, les data scientists peuvent tirer parti des puissantes fonctionnalités SQL de ClickHouse tout en utilisant des outils Python courants comme Pandas et Plotly, avec en plus des widgets interactifs et un suivi automatique des dépendances, qui rendent l’analyse exploratoire plus efficace et reproductible.