Esegui query sui dati in BigQuery da JupyterLab
Questa pagina mostra come eseguire query sui dati archiviati in BigQuery dall'interfaccia JupyterLab dell'istanza di blocchi note gestiti di Vertex AI Workbench.
Metodi per eseguire query sui dati di BigQuery nei file del blocco note (IPYNB)
Per eseguire query sui dati di BigQuery da un file di blocco note JupyterLab,
puoi utilizzare il comando magico %%bigquery
e
la libreria client di BigQuery per Python.
Le istanze di blocchi note gestiti includono anche un'integrazione di BigQuery che consente di sfogliare ed eseguire query sui dati dall'interfaccia JupyterLab.
In questa pagina viene descritto come utilizzare ognuno di questi metodi.
Prima di iniziare
Se non l'hai ancora fatto, crea un'istanza di blocchi note gestiti.
Apri JupyterLab
Nella console Google Cloud, vai alla pagina Blocchi note gestiti.
Fai clic su Apri JupyterLab accanto al nome dell'istanza di blocchi note gestiti.
L'istanza di blocco note gestita apre JupyterLab.
Esplora le risorse BigQuery
L'integrazione di BigQuery fornisce un riquadro in cui sfogliare le risorse BigQuery a cui hai accesso.
Nel menu di navigazione di JupyterLab, fai clic su BigQuery in Notebooks.
Il riquadro BigQuery elenca i progetti e i set di dati disponibili in cui puoi eseguire le seguenti attività:
- Per visualizzare la descrizione di un set di dati, fai doppio clic sul suo nome.
- Per mostrare le tabelle, le visualizzazioni e i modelli di un set di dati, espandi il set di dati.
- Per aprire una descrizione di riepilogo come scheda in JupyterLab, fai doppio clic su una tabella, una visualizzazione o un modello.
Nota: nella descrizione di riepilogo di una tabella, fai clic sulla scheda Anteprima per visualizzare l'anteprima dei dati della tabella. L'immagine seguente mostra un'anteprima della tabella
international_top_terms
presente nel set di datigoogle_trends
nel progettobigquery-public-data
:
Eseguire query sui dati utilizzando il comando magic %%bigquery
In questa sezione scriverai il codice SQL direttamente nelle celle del blocco note e leggi i dati da BigQuery nel blocco note Python.
I comandi magici che utilizzano un carattere di percentuale singola o doppia (%
o %%
)
consentono di utilizzare una sintassi minima per interagire con BigQuery
all'interno del blocco note. La libreria client di BigQuery per Python
viene installata automaticamente in un'istanza di blocchi note gestiti. Dietro le quinte, il comando magico %%bigquery
utilizza la libreria client di BigQuery per Python per eseguire la query, convertire i risultati in un DataFrame pandas, salvare facoltativamente i risultati in una variabile e quindi visualizzare i risultati.
Nota: a partire dalla versione 1.26.0 del pacchetto Python google-cloud-bigquery
, per impostazione predefinita viene utilizzata l'API BigQuery Storage per scaricare i risultati della magia %%bigquery
.
Per aprire un file di blocco note, seleziona File > Nuovo > Blocco note.
Nella finestra di dialogo Seleziona kernel, seleziona Python (locale), quindi fai clic su Seleziona.
Si apre il nuovo file IPYNB.
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;
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>
Nella cella successiva (sotto l'output della cella precedente), inserisci il comando seguente 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 ulteriori informazioni sugli argomenti disponibili per il comando
%%bigquery
, consulta la documentazione sulle magie delle librerie client.Fai clic su
Esegui cella.Nella cella successiva, inserisci il seguente comando per esaminare le prime righe dei risultati della query che hai appena letto:
regions_by_country.head()
Fai clic su
Esegui cella.Il DataFrame Pandas
regions_by_country
è pronto per il tracciamento.
Query sui dati utilizzando direttamente la libreria client di BigQuery
In questa sezione utilizzerai la libreria client di BigQuery per Python, per leggere i dati direttamente nel blocco note Python.
La libreria client offre un maggiore controllo sulle query e consente di utilizzare configurazioni più complesse per query e job. Le integrazioni della libreria con pandas consentono di combinare la potenza dell'SQL dichiarativo con il codice imperativo (Python) per analizzare, visualizzare e trasformare i dati.
Nota: puoi utilizzare diverse librerie di analisi dei dati, data wrangling e visualizzazione in Python, ad esempio numpy
, pandas
, matplotlib
e molte altre. Molte di queste librerie sono basate su un oggetto DataFrame.
Nella cella successiva, inserisci il codice Python seguente 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.
Fai clic su
Esegui cella.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 per numero di giorni l'uno dall'altro. L'idea è quella di esaminare i termini principali di ogni giorno e vedere quale percentuale si sovrappone ai termini principali del giorno precedente, 2 giorni prima, 3 giorni prima e così via (per 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 metodoto_dataframe
attende il completamento della query e scarica i risultati in un DataFrame Pandas utilizzando l'API BigQuery Storage.Fai clic su
Esegui cella.Le prime righe di 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
Per ulteriori informazioni sull'uso delle librerie client di BigQuery, consulta la guida rapida Utilizzo delle librerie client.
Esegui query sui dati utilizzando l'integrazione di BigQuery nei blocchi note gestiti
L'integrazione di BigQuery offre due metodi aggiuntivi
per eseguire query sui dati. Questi metodi sono diversi dall'utilizzo
del comando magico %%bigquery
.
L'editor di query nella cella è un tipo di cella che puoi utilizzare nei file del blocco note.
L'editor di query autonomo si apre in una scheda separata in JupyterLab.
All'interno della cella
Per utilizzare l'editor di query all'interno della cella per eseguire query sui dati in una tabella BigQuery, completa i seguenti passaggi:
In JupyterLab, apri un file blocco note (IPYNB) o creane uno nuovo.
Per creare un editor di query all'interno di una cella, fai clic sulla cella e, a destra della cella, fai clic sul pulsante Integrazione BigQuery. In alternativa, inserisci
#@BigQuery
in una cella di markdown.L'integrazione di BigQuery converte la cella in un editor di query all'interno della cella.
In una nuova riga sotto
#@BigQuery
, scrivi la query utilizzando le istruzioni e i dialetti SQL supportati di BigQuery. Se vengono rilevati errori nella query, nell'angolo in alto a destra di Editor query viene visualizzato un messaggio di errore. Se la query è valida, viene visualizzato il numero stimato di byte da elaborare.Fai clic su Invia query. Vengono visualizzati i risultati della query. Per impostazione predefinita, i risultati delle query vengono impaginati in base a 100 righe per pagina e sono limitati a un massimo di 1000 righe in totale, ma puoi modificare queste impostazioni nella parte inferiore della tabella dei risultati. Nell'editor query, limita la query ai soli dati necessari per verificarla. Eseguirai di nuovo questa query in una cella del blocco note in cui, se vuoi, puoi modificare il limite per recuperare il set di risultati completo.
Puoi fare clic su Esegui query e carica come DataFrame per aggiungere automaticamente una nuova cella contenente un segmento di codice che importa la libreria client di BigQuery per Python, esegue la query in una cella del blocco note e archivia i risultati in un dataframe pandas denominato
df
.
Autonoma
Per utilizzare l'editor di query autonomo per eseguire query sui dati di una tabella BigQuery, segui questi passaggi:
In JupyterLab, nel riquadro BigQuery in Notebooks, fai clic con il tasto destro del mouse su una tabella e seleziona Query su tabella oppure fai doppio clic su una tabella per aprire una descrizione in una scheda separata, poi fai clic sul link Tabella delle query.
Scrivi la query utilizzando le istruzioni e i dialetti SQL supportati di BigQuery. Se vengono rilevati errori nella query, nell'angolo in alto a destra di Editor query viene visualizzato un messaggio di errore. Se la query è valida, viene visualizzato il numero stimato di byte da elaborare.
Fai clic su Invia query. Vengono visualizzati i risultati della query. Per impostazione predefinita, i risultati delle query vengono impaginati in base a 100 righe per pagina e sono limitati a un massimo di 1000 righe in totale, ma puoi modificare queste impostazioni nella parte inferiore della tabella dei risultati. Nell'editor query, limita la query ai soli dati necessari per verificarla. Eseguirai di nuovo questa query in una cella del blocco note in cui, se vuoi, puoi modificare il limite per recuperare il set di risultati completo.
Puoi fare clic su Copia codice per DataFrame per copiare un segmento di codice che importa la libreria client BigQuery per Python, esegue la query in una cella del blocco note e archivia i risultati in un dataframe pandas denominato
df
. Incolla questo codice nella cella di un blocco note dove vuoi eseguirlo.
Visualizzare la cronologia delle query e riutilizzare le query
Per visualizzare la cronologia delle query sotto forma di scheda in JupyterLab, procedi nel seguente modo:
Nel menu di navigazione di JupyterLab, fai clic su BigQuery in Notebooks per aprire il riquadro BigQuery.
Nel riquadro BigQuery, scorri verso il basso e fai clic su Cronologia delle query.
Si apre un elenco delle query in una nuova scheda in cui puoi eseguire attività quali:
- Fai clic sulla query per visualizzare i dettagli di una query, come l'ID job, la data di esecuzione e il tempo impiegato,
- Per rivedere la query, eseguirla di nuovo o copiarla nel blocco note per un uso futuro, fai clic su Apri query nell'editor.
Passaggi successivi
Per esempi su come visualizzare i dati delle tabelle BigQuery, vedi Esplorare e visualizzare i dati in BigQuery da JupyterLab.
Per scoprire di più sulla scrittura di query per BigQuery, consulta Esecuzione di job di query interattivi e batch.
Scopri come controllare l'accesso ai set di dati BigQuery.
Scopri come accedere ai bucket e ai file di Cloud Storage da JupyterLab.