Visualizar resultados da consulta

É possível usar células de visualização para gerar e personalizar gráficos para análises em grande escala sem sair do ambiente do notebook. Neste guia de início rápido, você vai aprender a concluir as seguintes tarefas:

  1. Execute uma consulta SQL usando o conjunto de dados públicos bigquery-public-data.ml_datasets.penguins.
  2. Iterar os resultados da consulta usando células SQL.
  3. Use uma célula de visualização para analisar as características dos pinguins em diferentes espécies.

Antes de começar

  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. Verifique se o faturamento está ativado para o projeto do Cloud de Confiance .

  3. Verifique se a API BigQuery está ativada.

    Ativar a API

    Se você criou um novo projeto, a API BigQuery será ativada automaticamente.

Permissões necessárias

Para criar e executar notebooks, você precisa dos seguintes papéis do Identity and Access Management (IAM):

Criar um notebook

Para criar um notebook, siga as instruções em Criar um notebook no editor do BigQuery.

Executar uma consulta

Para executar uma consulta SQL em um notebook, siga estas etapas:

  1. Para criar uma nova célula SQL no notebook, clique em SQL.

  2. Digite a seguinte consulta:

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

  3. Clique em Executar célula.

    Os resultados da consulta são salvos automaticamente em um DataFrame chamado df.

  4. Crie outra célula SQL e mude o título para female_penguins.

  5. Insira a consulta a seguir, que faz referência ao DataFrame que você acabou de criar e filtra os resultados para incluir apenas pinguins fêmeas:

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

  6. Clique em Executar célula.

    Os resultados da consulta são salvos automaticamente em um DataFrame chamado female_penguins.

Visualizar resultados

  1. Para criar uma célula de visualização no notebook, clique em Visualização.

  2. Clique em Escolher um DataFrame e selecione female_penguins.

    Uma interface de gráfico aparece.

  3. Clique em Gráfico de dispersão para abrir um menu de gráficos e selecione o Gráfico de barras verticais.

  4. Na seção Métrica, verifique se culmen_length_mm e culmen_depth_mm aparecem. Se uma métrica estiver faltando, clique em Adicionar métrica e selecione-a. Para remover uma métrica, mantenha o ponteiro sobre o nome dela e clique em Fechar.

  5. Para cada métrica, clique em Editar. Em Agregação, selecione Média.

Gráfico de barras mostrando a visualização

Limpar

O jeito mais fácil de evitar cobranças é excluindo o projeto que você criou para o tutorial.

Para excluir o projeto:

  1. No console Cloud de Confiance , acesse a página Gerenciar recursos.

    Acessar "Gerenciar recursos"

  2. Na lista de projetos, selecione o projeto que você quer excluir e clique em Excluir .
  3. Na caixa de diálogo, digite o ID do projeto e clique em Encerrar para excluí-lo.

A seguir