Esegui query sui dati in BigQuery da JupyterLab

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 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:

    Elenco dei termini più cercati a livello internazionale.

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
    ...
    
  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
    

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.

  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 BigQuery in Notebooks per aprire lo riquadro BigQuery.

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

    Cronologia delle query evidenziata nella parte inferiore della barra di navigazione sinistra

    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.

Passaggi successivi