Visualiza los resultados de la búsqueda

Puedes usar celdas de visualización para generar y personalizar gráficos para análisis a gran escala sin salir de tu entorno de notebook. En esta guía de inicio rápido, aprenderás a completar las siguientes tareas:

  1. Ejecuta una consulta en SQL con el conjunto de datos públicos bigquery-public-data.ml_datasets.penguins.
  2. Itera los resultados de tu consulta con celdas de SQL.
  3. Usa una celda de visualización para analizar las características de los pingüinos en las diferentes especies.

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 role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  2. Verifica que la facturación esté habilitada para tu proyecto de Cloud de Confiance .

  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.

Permisos necesarios

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

Crea un notebook

Para crear un notebook nuevo, sigue las instrucciones en Crea un notebook desde el editor de BigQuery.

Ejecuta una consulta

Para ejecutar una consulta en SQL en un notebook, sigue estos pasos:

  1. Para crear una nueva celda de SQL en tu notebook, haz clic en SQL.

  2. Ingresa la siguiente consulta:

    SELECT * FROM `bigquery-public-data.ml_datasets.penguins`;

  3. Haz clic en Ejecutar celda.

    Los resultados de la consulta se guardan automáticamente en un DataFrame llamado df.

  4. Crea otra celda de SQL y cambia el título a female_penguins.

  5. Ingresa la siguiente consulta, que hace referencia al DataFrame que acabas de crear y filtra los resultados para incluir solo pingüinos hembra:

    SELECT * FROM {df} WHERE sex = 'FEMALE';

  6. Haz clic en Ejecutar celda.

    Los resultados de la consulta se guardan automáticamente en un DataFrame llamado female_penguins.

Visualizar los resultados

  1. Para crear una celda de visualización nueva en tu notebook, haz clic en Visualización.

  2. Haz clic en Elegir un DataFrame y, luego, selecciona female_penguins.

    Aparecerá una interfaz de gráficos.

  3. Haz clic en Diagrama de dispersión para abrir un menú de gráficos y, luego, selecciona el gráfico de barras verticales .

  4. En la sección Métrica, verifica que aparezcan culmen_length_mm y culmen_depth_mm. Si falta una métrica, haz clic en Agregar métrica y selecciónala. Para quitar una métrica, mantén el puntero sobre su nombre y, luego, haz clic en Cerrar.

  5. Para cada métrica, haz clic en Editar. En Agregación, selecciona Promedio.

Gráfico de barras que muestra la visualización

Realiza una limpieza

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. En la Cloud de Confiance consola, ve a la página Administrar recursos.

    Ir a Administrar recursos

  2. En la lista de proyectos, elige el proyecto que quieres borrar y haz clic en Borrar.
  3. En el diálogo, escribe el ID del proyecto y, luego, haz clic en Cerrar para borrar el proyecto.

¿Qué sigue?