Esegui query sui dati in BigQuery da JupyterLab

Esegui query sui dati in BigQuery da JupyterLab

I blocchi note gestiti da Vertex AI Workbench sono ritratti. Il 30 gennaio 2025, i blocchi note gestiti non saranno più disponibili e non sarà più possibile creare istanze di blocchi note gestiti verrà rimosso. Le istanze esistenti continueranno a funzionare, ma patch, aggiornamenti e upgrade non saranno disponibili. Per continuare a utilizzare Vertex AI Workbench, ti consigliamo migrazione dalle istanze di blocchi note gestiti alle istanze di Vertex AI Workbench.

Questa pagina mostra come eseguire query sui dati memorizzati in BigQuery dall'interfaccia JupyterLab della tua istanza di blocchi note gestiti da Vertex AI Workbench.

Metodi per eseguire query sui dati di BigQuery nei file del notebook (IPYNB)

Per eseguire query sui dati di BigQuery da un file del notebook JupyterLab, puoi utilizzare il comando magico %%bigquery e la libreria client BigQuery per Python.

Anche le istanze di blocchi note gestiti includono un'integrazione BigQuery che ti consente sfogliare ed eseguire query sui dati dall'interfaccia JupyterLab.

Questa pagina descrive come utilizzare ciascuno di questi metodi.

Prima di iniziare

Se non l'hai ancora fatto, crea un'istanza di blocchi note gestiti.

Apri JupyterLab

1. Nella console Google Cloud, vai alla pagina Blocchi note gestiti.

   Vai a Blocchi note gestiti

2. Fai clic su Apri JupyterLab accanto al nome dell'istanza di blocchi note gestiti.

   L'istanza di blocco note gestita apre JupyterLab.

Sfogliare le risorse BigQuery

L'integrazione di BigQuery fornisce un riquadro per sfogliare le risorse BigQuery a cui hai accesso.

1. Nel menu di navigazione JupyterLab, fai clic su  BigQuery nei blocchi note.

   Il riquadro BigQuery elenca i progetti e i set di dati disponibili, in cui può eseguire attività come segue:

   • Per visualizzare la descrizione di un set di dati, fai doppio clic sul nome del set di dati.
   • Per visualizzare le tabelle, le visualizzazioni e i modelli di un set di dati, espandi il set di dati.
   • Per aprire una descrizione di riepilogo come scheda in JupyterLab, fai doppio clic su una tabella, una vista o un modello.

   Nota: nella descrizione di riepilogo di una tabella, fai clic sulla scheda Anteprima per visualizzare l'anteprima dei dati di una tabella. L'immagine seguente mostra un'anteprima del Tabella international_top_terms trovato nel set di dati google_trends nel progetto bigquery-public-data:

   

Esegui query sui dati utilizzando il comando magico %%bigquery

In questa sezione scriverai codice SQL direttamente nelle celle del blocco note e leggerai i dati da di BigQuery nel blocco note Python.

I comandi magici che utilizzano un carattere percentuale singolo o doppio (% o %%) ti consentono di utilizzare una sintassi minima per interagire con BigQuery all'interno del notebook. La libreria client BigQuery per Python viene automaticamente in un'istanza di blocchi note gestiti. Dietro le quinte, la magia di %%bigquery utilizza la libreria client di BigQuery per Python al fine di eseguire una data query, converti i risultati in un DataFrame pandas e, facoltativamente, salva i risultati in una variabile, quindi mostra i risultati.

Nota: a partire dalla versione 1.26.0 del pacchetto Python google-cloud-bigquery, l'API BigQuery Storage viene utilizzata per impostazione predefinita per scaricare i risultati dalle magie %%bigquery.

1. Per aprire un file del blocco note, seleziona File > Nuovo > Blocco note.

2. Nella finestra di dialogo Seleziona kernel, seleziona Python (locale), quindi fai clic su Seleziona.

   Si apre il nuovo file IPYNB.

3. Per ottenere il numero di regioni per paese in international_top_terms inserisci la seguente istruzione:

   %%bigquery
   SELECT
     country_code,
     country_name,
     COUNT(DISTINCT region_code) AS num_regions
   FROM
     `bigquery-public-data.google_trends.international_top_terms`
   WHERE
     refresh_date = DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY)
   GROUP BY
     country_code,
     country_name
   ORDER BY
     num_regions DESC;

4. Fai clic su  Esegui cella.

   L'output è simile al seguente:

   Query complete after 0.07s: 100%|██████████| 4/4 [00:00<00:00, 1440.60query/s]
   Downloading: 100%|██████████| 41/41 [00:02<00:00, 20.21rows/s]
   country_code      country_name    num_regions
   0   TR  Turkey         81
   1   TH  Thailand       77
   2   VN  Vietnam        63
   3   JP  Japan          47
   4   RO  Romania        42
   5   NG  Nigeria        37
   6   IN  India          36
   7   ID  Indonesia      34
   8   CO  Colombia       33
   9   MX  Mexico         32
   10  BR  Brazil         27
   11  EG  Egypt          27
   12  UA  Ukraine        27
   13  CH  Switzerland    26
   14  AR  Argentina      24
   15  FR  France         22
   16  SE  Sweden         21
   17  HU  Hungary        20
   18  IT  Italy          20
   19  PT  Portugal       20
   20  NO  Norway         19
   21  FI  Finland        18
   22  NZ  New Zealand    17
   23  PH  Philippines    17
   ...
   

   Nota: i risultati potrebbero essere diversi da quelli riportati sopra, in quanto il set di dati google_trends su cui viene eseguita la query viene aggiornato con nuovi dati in modo continuativo.

5. Nella cella successiva (sotto l'output della cella precedente), inserisci il comando seguente per eseguire la stessa query, ma questa volta salva i risultati un nuovo DataFrame pandas denominato regions_by_country. Sei tu a garantire che utilizzando un argomento con il comando magico %%bigquery.

   %%bigquery regions_by_country
   SELECT
     country_code,
     country_name,
     COUNT(DISTINCT region_code) AS num_regions
   FROM
     `bigquery-public-data.google_trends.international_top_terms`
   WHERE
     refresh_date = DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY)
   GROUP BY
     country_code, country_name
   ORDER BY
     num_regions DESC;

   Nota: per ulteriori informazioni sugli argomenti disponibili per il comando %%bigquery, consulta la documentazione sui comandi magici della libreria client.

6. Fai clic su  Esegui cella.

7. Nella cella successiva, inserisci il comando seguente per esaminare le prime righe dei risultati della query che hai appena letto:

   regions_by_country.head()
   

8. Fai clic su  Esegui cella.

   Il DataFrame pandas regions_by_country è pronto per il grafico.

Query sui dati utilizzando direttamente la libreria client di BigQuery

In questa sezione utilizzerai la libreria client di BigQuery per Python direttamente per leggere i dati nel notebook Python.

La libreria client ti offre un maggiore controllo sulle query e ti consente di utilizzare configurazioni più complesse per query e job. Le integrazioni della libreria con pandas ti consentono di combinare la potenza del linguaggio SQL dichiarativo con il codice imperativo (Python) per aiutarti ad analizzare, visualizzare e trasformare i dati.

Nota:puoi utilizzare varie funzionalità di analisi dei dati, data wrangling e librerie di visualizzazione, come numpy, pandas, matplotlib e molte altri. Molte di queste librerie sono basate su un oggetto DataFrame.

1. Nella cella successiva, inserisci il seguente codice Python per importare libreria client BigQuery per Python e inizializza un client:

   from google.cloud import bigquery
   
   client = bigquery.Client()
   

   Il client BigQuery viene utilizzato per inviare e ricevere messaggi dall'API BigQuery.

2. Fai clic su  Esegui cella.

3. Nella cella successiva, inserisci il codice seguente per recuperare la percentuale di termini più frequenti del giorno negli Stati Uniti top_terms che si sovrappongono nel tempo per numero di giorni di distanza. L'idea è quella di cercare ai termini principali di ogni giorno e scopri in che percentuale si sovrappongono termini principali del giorno prima, 2 giorni prima, 3 giorni prima e così via (ad tutte le coppie di date nell'arco di circa un mese).

   sql = """
   WITH
     TopTermsByDate AS (
       SELECT DISTINCT refresh_date AS date, term
       FROM `bigquery-public-data.google_trends.top_terms`
     ),
     DistinctDates AS (
       SELECT DISTINCT date
       FROM TopTermsByDate
     )
   SELECT
     DATE_DIFF(Dates2.date, Date1Terms.date, DAY)
       AS days_apart,
     COUNT(DISTINCT (Dates2.date || Date1Terms.date))
       AS num_date_pairs,
     COUNT(Date1Terms.term) AS num_date1_terms,
     SUM(IF(Date2Terms.term IS NOT NULL, 1, 0))
       AS overlap_terms,
     SAFE_DIVIDE(
       SUM(IF(Date2Terms.term IS NOT NULL, 1, 0)),
       COUNT(Date1Terms.term)
       ) AS pct_overlap_terms
   FROM
     TopTermsByDate AS Date1Terms
   CROSS JOIN
     DistinctDates AS Dates2
   LEFT JOIN
     TopTermsByDate AS Date2Terms
     ON
       Dates2.date = Date2Terms.date
       AND Date1Terms.term = Date2Terms.term
   WHERE
     Date1Terms.date <= Dates2.date
   GROUP BY
     days_apart
   
   ORDER BY
     days_apart;
   """
   pct_overlap_terms_by_days_apart = client.query(sql).to_dataframe()
   
   pct_overlap_terms_by_days_apart.head()

   Il codice SQL utilizzato viene incapsulato in una stringa Python e quindi passato al Metodo query() per eseguire una query. Il metodo to_dataframe attende il completamento della query e scarica i risultati in un pandas tramite l'API BigQuery Storage.

4. Fai clic su  Esegui. cella.

   Le prime righe dei risultati della query vengono visualizzate sotto la cella di codice.

      days_apart   num_date_pairs  num_date1_terms overlap_terms   pct_overlap_terms
    0          0             32               800            800            1.000000
    1          1             31               775            203            0.261935
    2          2             30               750             73            0.097333
    3          3             29               725             31            0.042759
    4          4             28               700             23            0.032857
   

   Nota: i risultati potrebbero essere diversi da quelli riportati sopra, in quanto il set di dati google_trends su cui viene eseguita la query viene aggiornato con nuovi dati in modo continuativo.

Per ulteriori informazioni sull'utilizzo delle librerie client di BigQuery, consulta la guida rapida Utilizzo delle librerie client.

Esegui query sui dati utilizzando l'integrazione di BigQuery nei notebook gestiti

L'integrazione di BigQuery offre due metodi aggiuntivi per eseguire query sui dati. Questi metodi sono diversi dall'utilizzo il comando magico %%bigquery.

• L'Editor di query all'interno delle celle è un tipo di cella che puoi utilizzare all'interno dai file del blocco note.

• L'editor di query autonomo si apre come scheda separata in JupyterLab.

In-cell

Per utilizzare l'editor di query in-cell per eseguire query sui dati in una tabella BigQuery, svolgi i seguenti passaggi:

1. In JupyterLab, apri un file di blocco note (IPYNB) o crea un uno nuovo.

2. Per creare un editor di query all'interno delle celle, fai clic sulla cella, e a destra della cella fai clic sull'icona Pulsante Integrazione con BigQuery. Oppure in una cella di markdown, inserisci #@BigQuery.

   L'integrazione di BigQuery converte la cella in un editor di query in-cell.

3. In una nuova riga sotto #@BigQuery, scrivi la query utilizzando le istruzioni e i dialetti SQL supportati e BigQuery. Se vengono rilevati errori nella query, viene visualizzato un messaggio di errore. nell'angolo in alto a destra dell'editor di query. Se la query è valida, viene visualizzato il numero stimato di byte da elaborare.

4. Fai clic su Invia query. Vengono visualizzati i risultati della query. Per impostazione predefinita, i risultati della query sono suddivisi in pagine da 100 righe ciascuna e sono limitati a 1000 righe in totale, ma puoi modificare queste impostazioni nella parte inferiore della tabella dei risultati. Nell'editor delle query, limita la query solo ai dati necessari per verificare la query. Eseguirai di nuovo questa query in una cella del blocco note dove puoi regolare il limite per recuperare è possibile impostare risultati completi.

   Nota: il testo e i risultati della query rimangono invariati dopo la chiusura e la riapertura il file del blocco note.

5. Puoi fare clic su Esegui query e carica come DataFrame per aggiungere automaticamente una nuova cella contenente un segmento di codice che importa la libreria client BigQuery per Python, esegue la query in una cella del blocco note e archivia i risultati in un dataframe pandas denominato df.

Autonomo

Per utilizzare l'editor di query autonomo per eseguire query sui dati in una tabella BigQuery, svolgi i seguenti passaggi:

1. In JupyterLab, nel riquadro BigQuery in Notebooks, fai clic con il tasto destro del mouse una tabella e seleziona Tabella query, o fai doppio clic su una tabella per aprire una descrizione in una scheda separata e poi fai clic sul link Tabella delle query.

2. Scrivi la query utilizzando le istruzioni supportate e i dialetti SQL di BigQuery. Se vengono rilevati errori nella query, viene visualizzato un messaggio di errore. nell'angolo in alto a destra dell'editor di query. Se la query è valida, viene visualizzato il numero stimato di byte da elaborare.

3. Fai clic su Invia query. Vengono visualizzati i risultati della query. Per impostazione predefinita, i risultati delle query vengono impaginati a 100 righe per pagina e un massimo di 1000 righe in totale, ma puoi modificare queste impostazioni nella parte inferiore della tabella dei risultati. Nell'editor delle query, limita la query solo ai dati necessari per verificare la query. Eseguirai di nuovo questa query in una cella del blocco note dove puoi regolare il limite per recuperare è possibile impostare risultati completi.

4. Puoi fare clic su Copia codice per DataFrame per copiare un segmento di codice che importa la libreria client BigQuery per Python, esegue la query in una cella del notebook e archivia i risultati in un dataframe pandas denominato df. Incolla questo codice in una cella del notebook in cui vuoi eseguirlo.

Visualizzazione della cronologia delle query e riutilizzo delle query

Per visualizzare la cronologia delle query come scheda in JupyterLab:

1. Nel menu di navigazione JupyterLab, fai clic su  BigQuery in Notebooks per aprire lo riquadro BigQuery.

2. Nel riquadro BigQuery, scorri verso il basso e fai clic su Cronologia delle query.

   

   Un elenco delle query si apre in una nuova scheda in cui puoi eseguire attività come come segue:

   • Per visualizzare i dettagli di una query, ad esempio l'ID job, la data di esecuzione e il tempo impiegato, fai clic sulla query.
   • Per rivedere la query, eseguirla di nuovo o copiarla nel tuo notebook per usarla in futuro, fai clic su Apri query nell'editor.

Nota: se esegui query dopo aver aperto questa scheda, fai clic su  Aggiorna per visualizzare le query più recenti.

Passaggi successivi

• Per vedere esempi di come visualizzare i dati delle tue tabelle BigQuery, consulta Esplorare e visualizzare i dati in BigQuery da JupyterLab.

• Per saperne di più sulla scrittura di query per BigQuery, consulta Esecuzione di job di query interattivi e batch.

• Scopri come controllare l'accesso a Set di dati BigQuery.

• Scopri come accedere ai bucket e ai file di Cloud Storage da JupyterLab.