Usa la herramienta de bq

Descarga el archivo que contiene los datos de origen

El archivo que descargarás contiene alrededor de 7 MB de datos sobre nombres populares de bebés. Lo proporciona la Administración del Seguro Social de EE.UU.

Para obtener más información sobre los datos, consulta la información general sobre nombres populares de la Administración del Seguro Social.

1. Descarga los datos de la Administración de Seguridad Social de EE.UU. Para ello, abre la siguiente URL en una nueva pestaña del navegador:

   https://www.ssa.gov/OACT/babynames/names.zip
   

2. Extrae el archivo.

   Para obtener más información sobre el esquema del conjunto de datos, consulta el archivo NationalReadMe.pdf que extrajiste.

3. Para ver cómo son los datos, abre el archivo yob2024.txt. Contiene valores separados por comas de nombre, genero asignado al nacer y la cantidad de niños con ese nombre. El archivo no tiene una fila de encabezado.

4. Mueve el archivo a tu directorio de trabajo.

   • Si trabajas en Cloud Shell, haz clic en more_vert Más Subir, selecciona Elegir archivos, elige el archivo yob2024.txt y haz clic en Subir.

   • Si trabajas en una shell local, copia o mueve el archivo yob2024.txt al directorio en el que ejecutas la herramienta de bq.

Crea un conjunto de datos

1. Ingresa el siguiente comando para crear un conjunto de datos llamado babynames:

   bq mk --dataset babynames
   

   El resultado es similar a este:

   Dataset 'babynames' successfully created.
   

2. Confirma que el conjunto de datos babynames ahora aparezca en tu proyecto:

   bq ls --datasets=true
   

   El resultado es similar a este:

     datasetId
   -------------
     babynames
   

Carga datos en una tabla

1. En el conjunto de datos babynames, carga el archivo de origen yob2024.txt en una tabla nueva llamada names2024:

   bq load babynames.names2024 yob2024.txt name:string,assigned_sex_at_birth:string,count:integer
   

   El resultado es similar a este:

   Upload complete.
   Waiting on bqjob_r3c045d7cbe5ca6d2_0000018292f0815f_1 ... (1s) Current status: DONE
   

2. Confirma que la tabla names2024 ahora aparezca en el conjunto de datos babynames:

   bq ls --format=pretty babynames
   

   El resultado es similar al siguiente. Algunas columnas se omiten para simplificar el resultado.

   +-----------+-------+
   |  tableId  | Type  |
   +-----------+-------+
   | names2024 | TABLE |
   +-----------+-------+
   

3. Confirma que el esquema de la tabla nueva names2024 sea name: string, assigned_sex_at_birth: string y count: integer:

   bq show babynames.names2024
   

   El resultado es similar al siguiente. Algunas columnas se omiten para simplificar el resultado.

     Last modified        Schema                      Total Rows   Total Bytes
   ----------------- ------------------------------- ------------ ------------
   14 Mar 17:16:45   |- name: string                    31904       607494
                     |- assigned_sex_at_birth: string
                     |- count: integer
   

Consultar datos de tablas

1. Determina los nombres de niñas más populares en los datos:

   bq query \
       'SELECT
         name,
         count
       FROM
         babynames.names2024
       WHERE
         assigned_sex_at_birth = "F"
       ORDER BY
         count DESC
       LIMIT 5'
   

   El resultado es similar a este:

   +-----------+-------+
   |   name    | count |
   +-----------+-------+
   | Olivia    | 14718 |
   | Emma      | 13485 |
   | Amelia    | 12740 |
   | Charlotte | 12552 |
   | Mia       | 12113 |
   +-----------+-------+
   

2. Determina los nombres de niños menos populares en los datos:

   bq query \
       'SELECT
         name,
         count
       FROM
         babynames.names2024
       WHERE
         assigned_sex_at_birth = "M"
       ORDER BY
         count ASC
       LIMIT 5'
   

   El resultado es similar a este:

   +---------+-------+
   |  name   | count |
   +---------+-------+
   | Aaran   |     5 |
   | Aadiv   |     5 |
   | Aadarsh |     5 |
   | Aarash  |     5 |
   | Aadrik  |     5 |
   +---------+-------+
   

   El conteo mínimo es de 5 porque los datos de origen omiten los nombres que aparecen menos de 5 veces.