Esplora e visualizza i dati in BigQuery da JupyterLab

Esplora e visualizza i dati in BigQuery da JupyterLab

I blocchi note gestiti di Vertex AI Workbench ritirato. 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 di eseguire la migrazione delle tue istanze di notebook gestite alle istanze Vertex AI Workbench.

Questa pagina mostra alcuni esempi di come esplorare e visualizzare i dati memorizzati in BigQuery dall'interfaccia JupyterLab della tua istanza di notebook gestiti di Vertex AI Workbench.

Per vedere un esempio di esplorazione e visualizzazione dei dati di BigQuery nell'ambito di un flusso di lavoro completo nei notebook gestiti, esegui il blocco note Jupyter "Analisi esplorativa interattiva dei dati di BigQuery in un notebook" in uno dei seguenti ambienti:

Aperto nei blocchi note gestiti di Vertex AI Workbench | Aperto in Colab | Aperto in Colab Enterprise | Visualizza su GitHub

Prima di iniziare

Se non l'hai già fatto, creazione di 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.

Leggere i dati da BigQuery

Nelle due sezioni successive, leggerai i dati di BigQuery che utilizzerai per visualizzarli in seguito. Questi passaggi sono identici in Esegui query sui dati in BigQuery da in JupyterLab, quindi se hai completato puoi passare direttamente alle Visualizza un riepilogo dei dati in una tabella BigQuery.

Esegui query sui dati utilizzando il comando magico %%bigquery

In questa sezione scrivi SQL direttamente nelle celle del notebook e leggi i dati da BigQuery nel notebook Python.

I comandi magici che utilizzano uno o due caratteri percentuali (% o %%) consentono di utilizzare una sintassi minima per interagire con BigQuery all'interno un blocco note personalizzato. La libreria client di BigQuery per Python viene installata automaticamente in un'istanza di notebook gestita. Dietro le quinte, il comando magico %%bigquery utilizza la libreria client BigQuery per Python per eseguire la query specificata, convertire i risultati in un DataFrame Pandas, eventualmente salvarli in una variabile e poi visualizzarli.

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 nel set di dati 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 tuoi risultati potrebbero differire da quanto sopra in quanto google_trends il set di dati su cui viene eseguita la query viene costantemente aggiornato con nuovi dati.

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. Fornisci questo nome 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 la classe %%bigquery, consulta la documentazione relativa alle librerie client relative alle funzioni magiche.

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 regions_by_country pandas è pronto per il grafico.

Esegui query sui dati utilizzando direttamente la libreria client 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 una serie di librerie Python per l'analisi dei dati, la gestione dei dati e la visualizzazione, ad esempio numpy, pandas, matplotlib e molte altre. Molte di queste librerie sono basate su un oggetto DataFrame.

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

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

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

2. Fai clic su  Esegui cella.

3. Nella cella successiva, inserisci il seguente codice per recuperare la percentuale di termini principali giornalieri negli Stati Uniti top_terms che si sovrappongono nel tempo in base al 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 perché il set di dati google_trends su cui viene eseguita la query viene aggiornato continuamente con nuovi dati.

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

Visualizzare un riepilogo dei dati in una tabella BigQuery

In questa sezione viene utilizzata una scorciatoia per il blocco note per ottenere statistiche di riepilogo e per tutti i campi di una tabella BigQuery. Questo può un modo rapido per profilare i dati prima di esplorare ulteriormente.

La libreria client BigQuery fornisce un comando magico,%bigquery_stats, che puoi chiamare con il nome di una tabella specifica per fornire una panoramica della tabella e statistiche dettagliate su ciascuna delle colonne della tabella.

1. Nella cella successiva, inserisci il seguente codice per eseguire l'analisi negli Stati Uniti Tabella top_terms:

   %bigquery_stats bigquery-public-data.google_trends.top_terms
   

2. Fai clic su  Esegui cella.

   Dopo l'esecuzione per un po' di tempo, viene visualizzata un'immagine con varie statistiche su ciascuna delle 7 variabili nella tabella top_terms. La seguente immagine mostra parte di un output di esempio:

   

Nota: i risultati potrebbero essere diversi da quelli riportati sopra perché il set di dati google_trends su cui viene eseguita la query viene aggiornato continuamente con nuovi dati.

Visualizza i dati di BigQuery

In questa sezione, utilizzerai le funzionalità di tracciamento per visualizzare i risultati le query che hai eseguito in precedenza nel blocco note Jupyter.

1. Nella cella successiva, inserisci il seguente codice per utilizzare il metodo pandas DataFrame.plot() per creare un grafico a barre che visualizzi i risultati della query che restituisce il numero di regioni per paese:

   regions_by_country.plot(kind="bar", x="country_name", y="num_regions", figsize=(15, 10))
   

2. Fai clic su  Esegui cella.

   Il grafico è simile al seguente:

   

3. Nella cella successiva, inserisci il seguente codice per utilizzare il metodo pandas DataFrame.plot() per creare un grafico a dispersione che visualizzi i risultati della query per la percentuale di sovrapposizione dei termini di ricerca principali con intervalli di giorni:

   pct_overlap_terms_by_days_apart.plot(
     kind="scatter",
     x="days_apart",
     y="pct_overlap_terms",
     s=len(pct_overlap_terms_by_days_apart["num_date_pairs"]) * 20,
     figsize=(15, 10)
     )
   

4. Fai clic su  Esegui cella.

   Il grafico è simile al seguente. Le dimensioni di ogni punto riflettono il numero di coppie di date distanti quel numero di giorni nei dati. Ad esempio, esistono più coppie con un giorno di distanza rispetto a 30 giorni perché i termini di ricerca più cercati vengono visualizzati ogni giorno nell'arco di circa un mese.

   

Per ulteriori informazioni sulla visualizzazione dei dati, consulta documentazione di Pandas.