Esplora e visualizza i dati in BigQuery da JupyterLab

Esplora e visualizza i dati in BigQuery da JupyterLab

I notebook gestiti da Vertex AI Workbench sono deprecati. Il 14 aprile 2025, il supporto per i notebook gestiti terminerà e la possibilità di creare istanze di notebook gestiti verrà rimossa. Le istanze esistenti continueranno a funzionare, ma non saranno disponibili patch, aggiornamenti e upgrade. Per continuare a utilizzare Vertex AI Workbench, ti consigliamo di eseguire la migrazione delle istanze di notebook gestiti alle istanze Vertex AI Workbench.

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

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 Notebook 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 da BigQuery che utilizzerai per la visualizzazione in un secondo momento. Questi passaggi sono identici a quelli descritti in Esegui query sui dati in BigQuery da JupyterLab, quindi se li hai già completati, puoi passare a Ottenere 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 blocco note e leggi i dati da BigQuery nel blocco note Python.

I comandi magici che utilizzano un carattere percentuale singolo o doppio (% o %%) consentono di utilizzare una sintassi minima per interagire con BigQuery all'interno del notebook. La libreria client di BigQuery per Python viene installata automaticamente in un'istanza di notebook gestiti. 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, salvare facoltativamente i risultati in una variabile e quindi 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 dai comandi magici %%bigquery.

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

2. Nella finestra di dialogo Seleziona kernel, seleziona Python (locale) e poi 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 risultati potrebbero essere diversi da quelli riportati sopra, in quanto il set di dati google_trends interrogato viene aggiornato continuamente con nuovi dati.

5. Nella cella successiva (sotto l'output della cella precedente), inserisci il seguente comando per eseguire la stessa query, ma questa volta salva i risultati in 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 il comando %%bigquery, consulta la documentazione sui comandi magici della libreria client.

6. Fai clic su  Esegui cella.

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

   regions_by_country.head()
   

8. Fai clic su  Esegui cella.

   Il DataFrame pandas regions_by_country è pronto per essere tracciato.

Esegui query sui dati utilizzando direttamente la libreria client BigQuery

<

Ottenere un riepilogo dei dati in una tabella BigQuery

In questa sezione, utilizzi una scorciatoia del blocco note per ottenere statistiche riepilogative e visualizzazioni per tutti i campi di una tabella BigQuery. Questo può essere un modo rapido per profilare i dati prima di esplorarli ulteriormente.

La libreria client BigQuery fornisce un comando magico, %bigquery_stats, che puoi chiamare con un nome di tabella specifico 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 sulla tabella top_terms:

   %bigquery_stats bigquery-public-data.google_trends.top_terms
   

2. Fai clic su  Esegui cella.

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

   

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

Visualizzare i dati BigQuery

In questa sezione utilizzerai le funzionalità di tracciamento per visualizzare i risultati delle query eseguite 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 nei termini di ricerca principali in base ai giorni di distanza:

   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 che distano di quel numero di giorni nei dati. Ad esempio, ci sono più coppie distanti 1 giorno che 30 giorni perché i termini di ricerca più cercati vengono visualizzati quotidianamente per circa un mese.

   

Per saperne di più sulla visualizzazione dei dati, consulta la documentazione di pandas.