Probar BigQuery DataFrames

Usa esta guía de inicio rápido para realizar las siguientes tareas de análisis y aprendizaje automático (AA) mediante la API de BigQuery DataFrames en un notebook de BigQuery:

  • Crea un DataFrame sobre el conjunto de datos públicos bigquery-public-data.ml_datasets.penguins.
  • Calcula la masa corporal promedio de un pingüino.
  • Crear un modelo de regresión lineal.
  • Crea un DataFrame sobre un subconjunto de datos de pingüinos para usarlo como datos de entrenamiento.
  • Limpia los datos de entrenamiento.
  • Establece los parámetros del modelo.
  • Ajusta el modelo.
  • Asigna una puntuación al modelo.

Antes de comenzar

  1. In the Cloud de Confiance console, on the project selector page, select or create a Cloud de Confiance 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 (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  2. Verify that billing is enabled for your Cloud de Confiance project.

  3. Verifica que la API de BigQuery esté habilitada.

    Habilitación de la API

    Si creaste un proyecto nuevo, la API de BigQuery se habilita automáticamente.

    4. Permisos necesarios

    Para crear y ejecutar notebooks, necesitas los siguientes roles de Identity and Access Management (IAM):

    Crea un notebook

    Sigue las instrucciones en Crea un notebook desde el editor de BigQuery para crear un notebook nuevo.

    Probar BigQuery DataFrames

    Prueba BigQuery DataFrames mediante estos pasos:

    1. Crea una celda de código nueva en el notebook.

    2. Agrega el siguiente código a la celda de código:

      import bigframes.pandas as bpd

# Set BigQuery DataFrames options
# Note: The project option is not required in all environments.
# On BigQuery Studio, the project ID is automatically detected.
bpd.options.bigquery.project = your_gcp_project_id

# Use "partial" ordering mode to generate more efficient queries, but the
# order of the rows in DataFrames may not be deterministic if you have not
# explictly sorted it. Some operations that depend on the order, such as
# head() will not function until you explictly order the DataFrame. Set the
# ordering mode to "strict" (default) for more pandas compatibility.
bpd.options.bigquery.ordering_mode = "partial"

# Create a DataFrame from a BigQuery table
query_or_table = "bigquery-public-data.ml_datasets.penguins"
df = bpd.read_gbq(query_or_table)

# Efficiently preview the results using the .peek() method.
df.peek()

    3. Modifica la línea bpd.options.bigquery.project = your_gcp_project_id para especificar el ID de tu proyecto Cloud de Confiance . Por ejemplo, bpd.options.bigquery.project = "myProjectID".

    4. Ejecuta la celda de código.

      El código devuelve un objeto DataFrame con datos sobre los pingüinos.

    5. Crea una celda de código nueva en el notebook y agrega el siguiente código:

      # Use the DataFrame just as you would a pandas DataFrame, but calculations
# happen in the BigQuery query engine instead of the local system.
average_body_mass = df["body_mass_g"].mean()
print(f"average_body_mass: {average_body_mass}")

    6. Ejecuta la celda de código.

      El código calcula la masa corporal promedio de los pingüinos y la imprime en laCloud de Confiance consola.

    7. Crea una celda de código nueva en el notebook y agrega el siguiente código:

      # Create the Linear Regression model
from bigframes.ml.linear_model import LinearRegression

# Filter down to the data we want to analyze
adelie_data = df[df.species == "Adelie Penguin (Pygoscelis adeliae)"]

# Drop the columns we don't care about
adelie_data = adelie_data.drop(columns=["species"])

# Drop rows with nulls to get our training data
training_data = adelie_data.dropna()

# Pick feature columns and label column
X = training_data[
    [
        "island",
        "culmen_length_mm",
        "culmen_depth_mm",
        "flipper_length_mm",
        "sex",
    ]
]
y = training_data[["body_mass_g"]]

model = LinearRegression(fit_intercept=False)
model.fit(X, y)
model.score(X, y)

    8. Ejecuta la celda de código.

      El código devuelve las métricas de evaluación del modelo.

    Limpia

    La manera más fácil de eliminar la facturación es borrar el proyecto que creaste para el instructivo.

    Para borrar el proyecto, sigue estos pasos:

    1. In the Cloud de Confiance console, go to the Manage resources page.

      Go to Manage resources

    2. In the project list, select the project that you want to delete, and then click Delete.
    3. In the dialog, type the project ID, and then click Shut down to delete the project.

    ¿Qué sigue?