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

1. Nella console Google Cloud, vai alla pagina Blocchi note gestiti.

   Vai ai blocchi note gestiti

2. 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.

1. 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 dati google_trends nel progetto bigquery-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.

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

2. Nella finestra di dialogo Seleziona kernel, seleziona Python (locale), quindi 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 play_circle_filled 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>

5. 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.

6. Fai clic su play_circle_filled Esegui cella.

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

   regions_by_country.head()
   

8. Fai clic su play_circle_filled 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.

1. 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.

2. Fai clic su play_circle_filled 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 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 metodo to_dataframe attende il completamento della query e scarica i risultati in un DataFrame Pandas utilizzando l'API BigQuery Storage.

4. Fai clic su play_circle_filled 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.

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:

1. Nel menu di navigazione di JupyterLab, fai clic su  BigQuery in Notebooks per aprire il riquadro BigQuery.

2. 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.