Visualizar resultados da consulta

Você pode usar células de visualização em notebooks do Colab Enterprise para gerar e personalizar gráficos para análises em grande escala sem sair do ambiente do notebook.

Neste guia, mostramos como usar células de visualização em notebooks do Colab Enterprise para analisar dados do conjunto de dados público bigquery-public-data.ml_datasets.penguins. Tarefas do laboratório:

  1. Executar consultas SQL diretamente em um notebook.
  2. Filtrar resultados de consultas usando DataFrames do Python.
  3. Gere e personalize gráficos de barras verticais sem escrever código.

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 bloco do Colab Enterprise

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

Executar uma consulta SQL em um notebook do Colab Enterprise

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

  1. No notebook, clique no menu suspenso Código e selecione Adicionar célula 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 em um notebook do Colab Enterprise

  1. No notebook, clique no menu suspenso Código e selecione Adicionar célula de 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. Passe o cursor sobre o tipo de agregação (por exemplo, AVG ou SUM) para revelar o ícone . Clique nele para mudar o tipo de agregação para 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