Visualizar resultados da consulta

É possível usar células de visualização em notebooks do Colab Enterprise para gerar e personalizar gráficos com base nos dados do BigQuery sem escrever código Python. Analisar os resultados da consulta visualmente no ambiente do notebook permite identificar tendências e analisar conjuntos de dados em grande escala sem interromper o fluxo de trabalho.

Neste tutorial, você vai usar células de visualização em notebooks do Colab Enterprise para analisar dados do conjunto de dados público bigquery-public-data.ml_datasets.penguins. Tarefas do laboratório:

1. Executar consultas SQL diretamente em um notebook.
2. Filtrar os resultados da consulta usando DataFrames do Python.
3. Gere e personalize gráficos de barras verticais sem escrever código.

Antes de começar

Faça login na sua conta do Google Cloud . Se você começou a usar o Google Cloudagora, crie uma conta para avaliar o desempenho dos nossos produtos em situações reais. Clientes novos também recebem US $300 em créditos para executar, testar e implantar cargas de trabalho sem custos financeiros.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

1. Verifique se o faturamento está ativado para o projeto do Google Cloud .

2. Verifique se a API BigQuery está ativada.

   Ativar a API

   Se você criou um novo projeto, a API BigQuery será ativada automaticamente.

Permissões necessárias

Para criar e executar notebooks, você precisa dos seguintes papéis do Identity and Access Management (IAM):

• Usuário do BigQuery (roles/bigquery.user)
• Usuário corporativo do Colab Enterprise (roles/aiplatform.colabEnterpriseUser)

Criar um bloco do Colab Enterprise

Para criar um notebook, siga as instruções em Criar um notebook no editor do BigQuery.

Executar uma consulta SQL em um notebook do Colab Enterprise

Para executar uma consulta SQL em um notebook, siga estas etapas:

1. No notebook, clique no menu suspenso Código e selecione Adicionar célula SQL.

2. Digite a seguinte consulta:

   SELECT * FROM `bigquery-public-data.ml_datasets.penguins`;
   

3. Clique em Executar célula.

   Os resultados da consulta são salvos automaticamente em um DataFrame chamado df.

4. Crie outra célula SQL e mude o título para female_penguins.

5. Insira a consulta a seguir, que faz referência ao DataFrame que você acabou de criar e filtra os resultados para incluir apenas pinguins fêmeas:

   SELECT * FROM {df} WHERE sex = 'FEMALE';
   

6. Clique em Executar célula.

   Os resultados da consulta são salvos automaticamente em um DataFrame chamado female_penguins.

Visualizar resultados em um notebook do Colab Enterprise

1. No notebook, clique no menu suspenso Código e selecione Adicionar célula de visualização.

2. Clique em Escolher um dataframe e selecione female_penguins.

   Uma interface de gráfico será exibida.

3. Clique em Gráfico de dispersão para abrir um menu de gráficos e selecione o Gráfico de barras verticais.

4. Na seção Métrica, verifique se culmen_length_mm e culmen_depth_mm aparecem. Se uma métrica estiver ausente, clique em Adicionar métrica e selecione-a. Para remover uma métrica, mantenha o ponteiro sobre o nome dela e clique em Fechar.

5. Mantenha o ponteiro sobre o tipo de agregação (por exemplo, AVG ou SUM) para revelar o ícone e clique nele para mudar o tipo de agregação para Média.

Limpar

O jeito mais fácil de evitar cobranças é excluindo o projeto que você criou para o tutorial.

Para excluir o projeto:

Atenção: excluir um projeto tem os efeitos a seguir.

• Tudo no projeto é excluído. Se você tiver usado um projeto atual para as tarefas neste documento, a exclusão dele incluirá a exclusão de quaisquer outros trabalhos feitos nele.
• Os IDs do projeto personalizados são perdidos. Ao criar o projeto, você pode ter criado um ID do projeto personalizado para ser usado no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, exclua recursos específicos do projeto, em vez de excluir o projeto inteiro.

Se você planeja explorar várias arquiteturas, tutoriais e guias de início rápido, a reutilização de projetos pode evitar que você exceda limites da cota.

1. No console Google Cloud , acesse a página Gerenciar recursos.

   Acessar "Gerenciar recursos"

2. Na lista de projetos, selecione o projeto que você quer excluir e clique em Excluir .
3. Na caixa de diálogo, digite o ID do projeto e clique em Encerrar para excluí-lo.

A seguir

• Saiba mais sobre o BigQuery DataFrames.
• Saiba mais sobre as células SQL no Colab Enterprise.
• Saiba mais sobre as células de visualização no Colab Enterprise.
• Saiba como visualizar gráficos usando o BigQuery DataFrames.
• Saiba como usar um notebook do BigQuery DataFrames.