Diagramme mit BigQuery DataFrames visualisieren

In diesem Dokument wird gezeigt, wie Sie verschiedene Arten von Diagrammen mit der BigQuery DataFrames-Visualisierungsbibliothek erstellen.

Die bigframes.pandas API bietet ein vollständiges Tool-Ökosystem für Python. Die API unterstützt erweiterte statistische Vorgänge und Sie können die von BigQuery DataFrames generierten Aggregationen visualisieren. Sie können auch von BigQuery DataFrames zu einem pandas-DataFrame mit integrierten Stichprobenvorgängen wechseln.

Histogramm

Im folgenden Beispiel werden Daten aus der Tabelle bigquery-public-data.ml_datasets.penguins gelesen, um ein Histogramm zur Verteilung der Schnabeltiefen von Pinguinen zu erstellen:

import bigframes.pandas as bpd

penguins = bpd.read_gbq("bigquery-public-data.ml_datasets.penguins")
penguins["culmen_depth_mm"].plot.hist(bins=40)

Liniendiagramm

Im folgenden Beispiel werden Daten aus der Tabelle bigquery-public-data.noaa_gsod.gsod2021 verwendet, um ein Liniendiagramm der Änderungen der Durchschnittstemperatur im Laufe des Jahres zu erstellen:

import bigframes.pandas as bpd

noaa_surface = bpd.read_gbq("bigquery-public-data.noaa_gsod.gsod2021")

# Calculate median temperature for each day
noaa_surface_median_temps = noaa_surface[["date", "temp"]].groupby("date").median()

noaa_surface_median_temps.plot.line()

Flächendiagramm

Im folgenden Beispiel wird die Tabelle bigquery-public-data.usa_names.usa_1910_2013 verwendet, um die Beliebtheit von Namen in der Geschichte der USA zu verfolgen. Dabei werden die Namen Mary, Emily und Lisa betrachtet:

import bigframes.pandas as bpd

usa_names = bpd.read_gbq("bigquery-public-data.usa_names.usa_1910_2013")

# Count the occurences of the target names each year. The result is a dataframe with a multi-index.
name_counts = (
    usa_names[usa_names["name"].isin(("Mary", "Emily", "Lisa"))]
    .groupby(("year", "name"))["number"]
    .sum()
)

# Flatten the index of the dataframe so that the counts for each name has their own columns.
name_counts = name_counts.unstack(level=1).fillna(0)

name_counts.plot.area(stacked=False, alpha=0.5)

Balkendiagramm

Im folgenden Beispiel wird die Tabelle bigquery-public-data.ml_datasets.penguins verwendet, um die Verteilung der Geschlechter von Pinguinen zu visualisieren:

import bigframes.pandas as bpd

penguins = bpd.read_gbq("bigquery-public-data.ml_datasets.penguins")

penguin_count_by_sex = (
    penguins[penguins["sex"].isin(("MALE", "FEMALE"))]
    .groupby("sex")["species"]
    .count()
)
penguin_count_by_sex.plot.bar()

Streudiagramm

Im folgenden Beispiel wird die Tabelle bigquery-public-data.new_york_taxi_trips.tlc_yellow_trips_2021 verwendet, um die Beziehung zwischen Taxitarifen und Entfernungen zu untersuchen:

import bigframes.pandas as bpd

taxi_trips = bpd.read_gbq(
    "bigquery-public-data.new_york_taxi_trips.tlc_yellow_trips_2021"
).dropna()

# Data Cleaning
taxi_trips = taxi_trips[
    taxi_trips["trip_distance"].between(0, 10, inclusive="right")
]
taxi_trips = taxi_trips[taxi_trips["fare_amount"].between(0, 50, inclusive="right")]

# If you are using partial ordering mode, you will also need to assign an order to your dataset.
# Otherwise, the next line can be skipped.
taxi_trips = taxi_trips.sort_values("pickup_datetime")

taxi_trips.plot.scatter(x="trip_distance", y="fare_amount", alpha=0.5)

Großes Dataset visualisieren

BigQuery DataFrames lädt Daten zur Visualisierung auf Ihren lokalen Computer herunter. Die Anzahl der herunterzuladenden Datenpunkte ist standardmäßig auf 1.000 begrenzt. Wenn die Anzahl der Datenpunkte das Limit überschreitet, wählt BigQuery DataFrames zufällig eine Anzahl von Datenpunkten aus, die dem Limit entspricht.

Sie können dieses Limit überschreiben, indem Sie beim Erstellen eines Diagramms den Parameter sampling_n festlegen, wie im folgenden Beispiel gezeigt:

import bigframes.pandas as bpd

noaa_surface = bpd.read_gbq("bigquery-public-data.noaa_gsod.gsod2021")

# Calculate median temperature for each day
noaa_surface_median_temps = noaa_surface[["date", "temp"]].groupby("date").median()

noaa_surface_median_temps.plot.line(sampling_n=40)

Hinweis: Der sampling_n Parameter hat keine Auswirkungen auf Histogramme, da BigQuery DataFrames die Daten für Histogramme serverseitig in Buckets aufteilt.

Erweiterte Diagramme mit pandas- und Matplotlib-Parametern

Sie können weitere Parameter übergeben, um Ihr Diagramm wie mit pandas genauer anzupassen, da die Diagrammbibliothek von BigQuery DataFrames auf pandas und Matplotlib basiert. In den folgenden Abschnitten finden Sie Beispiele.

Trend der Beliebtheit von Namen mit Unterdiagrammen

Im folgenden Beispiel werden die Daten zum Verlauf der Beliebtheit von Namen aus dem Beispiel für Flächendiagramme verwendet, um für jeden Namen ein eigenes Diagramm zu erstellen. Dazu wird im Funktionsaufruf plot.area() subplots=True festgelegt:

import bigframes.pandas as bpd

usa_names = bpd.read_gbq("bigquery-public-data.usa_names.usa_1910_2013")

# Count the occurences of the target names each year. The result is a dataframe with a multi-index.
name_counts = (
    usa_names[usa_names["name"].isin(("Mary", "Emily", "Lisa"))]
    .groupby(("year", "name"))["number"]
    .sum()
)

# Flatten the index of the dataframe so that the counts for each name has their own columns.
name_counts = name_counts.unstack(level=1).fillna(0)

name_counts.plot.area(subplots=True, alpha=0.5)

Streudiagramm für Taxifahrten mit mehreren Dimensionen

Im folgenden Beispiel werden die Daten aus dem Beispiel für Streudiagramme verwendet, um die Labels für die X- und Y-Achse umzubenennen, den passenger_count Parameter für die Punktgrößen zu verwenden, Farbpunkte mit dem tip_amount Parameter zu verwenden und die Größe der Abbildung zu ändern:

import bigframes.pandas as bpd

taxi_trips = bpd.read_gbq(
    "bigquery-public-data.new_york_taxi_trips.tlc_yellow_trips_2021"
).dropna()

# Data Cleaning
taxi_trips = taxi_trips[
    taxi_trips["trip_distance"].between(0, 10, inclusive="right")
]
taxi_trips = taxi_trips[taxi_trips["fare_amount"].between(0, 50, inclusive="right")]

# If you are using partial ordering mode, you also need to assign an order to your dataset.
# Otherwise, the next line can be skipped.
taxi_trips = taxi_trips.sort_values("pickup_datetime")

taxi_trips["passenger_count_scaled"] = taxi_trips["passenger_count"] * 30

taxi_trips.plot.scatter(
    x="trip_distance",
    xlabel="trip distance (miles)",
    y="fare_amount",
    ylabel="fare amount (usd)",
    alpha=0.5,
    s="passenger_count_scaled",
    label="passenger_count",
    c="tip_amount",
    cmap="jet",
    colorbar=True,
    legend=True,
    figsize=(15, 7),
    sampling_n=1000,
)

Nächste Schritte

• Informationen zu BigQuery DataFrames.
• Informationen zur Verwendung von BigQuery DataFrames in dbt.
• Referenz zur BigQuery DataFrames API