Esplorare e visualizzare i dati in BigQuery da JupyterLab

Esplorare e visualizzare i dati in BigQuery da JupyterLab

Questa pagina mostra alcuni esempi di come esplorare e visualizzare i dati archiviati in BigQuery dall'interfaccia JupyterLab dell'istanza Workbench di Agent Platform di Gemini Enterprise.

Prima di iniziare

Se non l'hai ancora fatto, crea un'istanza Workbench di Agent Platform.

Ruoli obbligatori

Per assicurarti che il account di servizio dell'istanza disponga delle autorizzazioni necessarie per eseguire query sui dati in BigQuery, chiedi all'amministratore di concedere il ruolo IAM Consumer di utilizzo del servizio (roles/serviceusage.serviceUsageConsumer) al account di servizio dell'istanza nel progetto.

Importante: devi concedere questo ruolo al account di servizio dell'istanza, non al tuo account utente. La mancata concessione del ruolo all'entità corretta potrebbe comportare errori di autorizzazione.

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

L'amministratore potrebbe anche assegnare al account di servizio dell'istanza le autorizzazioni richieste tramite ruoli personalizzati o altri ruoli predefiniti.

Apri JupyterLab

1. Nella Google Cloud console, vai alla pagina Istanze.

   Vai a Istanze

2. Fai clic su Apri JupyterLab accanto al nome dell'istanza Workbench di Agent Platform.

   L'istanza Workbench di Agent Platform apre JupyterLab.

Leggi i dati da BigQuery

Nelle due sezioni successive, leggerai i dati da BigQuery che utilizzerai per visualizzare 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 Ottieni 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 un singolo o doppio carattere percentuale (% 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 Workbench di Agent Platform. Dietro le quinte, il comando magico %%bigquery utilizza la libreria client di 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 notebook, seleziona File > Nuovo > Notebook.

2. Nella finestra di dialogo Seleziona kernel , seleziona Python 3 e poi fai clic su Seleziona.

   Viene aperto 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, poiché il google_trends set di dati su cui viene eseguita la query 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. Puoi fornire 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 saperne di più sugli argomenti disponibili per il %%bigquery comando, consulta la documentazione dei 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 di BigQuery

In questa sezione, utilizzerai direttamente la libreria client di BigQuery per Python 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 di SQL dichiarativo con codice imperativo (Python) per analizzare, visualizzare e trasformare i dati.

Nota:puoi utilizzare una serie di librerie Python per l'analisi, il data wrangling e la visualizzazione dei dati, come 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 dall'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 di esaminare i termini principali di ogni giorno e vedere la percentuale di sovrapposizione con i termini principali del giorno precedente, di 2 giorni prima, di 3 giorni prima e così via (per tutte le coppie di date in un periodo 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()

   L'SQL utilizzato è incapsulato in una stringa Python e poi passato al query() metodo per eseguire una query. Il to_dataframe metodo attende il completamento della query e scarica i risultati in un DataFrame pandas utilizzando 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, poiché il google_trends set di dati 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.

Ottieni un riepilogo dei dati in una tabella BigQuery

In questa sezione, utilizzerai una scorciatoia del notebook per ottenere statistiche di riepilogo 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 di 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 US 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 della tabella top_terms. L'immagine seguente mostra una parte di alcuni output di esempio:

   

Nota: i risultati potrebbero essere diversi da quelli riportati sopra, poiché il google_trends set di dati 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 delle query eseguite in precedenza nel notebook Jupyter.

1. Nella cella successiva, inserisci il seguente codice per utilizzare il metodo DataFrame.plot() di pandas 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 DataFrame.plot() di pandas 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. La dimensione di ogni punto riflette il numero di coppie di date che distano di tanti giorni nei dati. Ad esempio, ci sono più coppie che distano di 1 giorno rispetto a 30 giorni, perché i termini di ricerca principali vengono visualizzati quotidianamente per circa un mese.

   

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

Passaggi successivi

Per vedere un esempio di esplorazione e visualizzazione dei dati di BigQuery nell'ambito di un flusso di lavoro completo in Workbench di Agent Platform, esegui il notebook "Analisi esplorativa interattiva dei dati di BigQuery in un notebook" in uno dei seguenti ambienti:

Apri in Colab | Apri in Colab Enterprise | Apri in Workbench di Agent Platform | Visualizza su GitHub