Chart visualization — pandas 2.3.2 documentationThis section demonstrates visualization through charting. For information on visualization of tabular data please see the section on Table Visualization. We use the standard convention for referencing the matplotlib API:
費用の見積もりと管理 | BigQuery | Google Cloud
費用の見積もりと管理 このページでは、BigQuery での費用の見積りと管理のベスト プラクティスについて説明します。 BigQuery の主な費用は、クエリ処理に使用されるコンピューティングと、BigQuery に保存されるデータのストレージです。BigQuery には、クエリ処理用のオンデマンドと容量ベースの 2 種類の料金モデルがあります。各モデルで、費用管理に関するベスト プラクティスは異なります。BigQuery に保存されているデータの場合、費用は各データセットに構成されたストレージ課金モデルによって異なります。 BigQuery のコンピューティング料金について BigQuery のコンピューティング料金には、容量計画と費用管理に影響する微妙な違いがあります。 料金モデル BigQuery のオンデマンド コンピューティングの場合、BigQuery クエリに対して TiB
Running parameterized queries | BigQuery | Google Cloud
Stay organized with collections Save and categorize content based on your preferences. Running parameterized queries BigQuery supports query parameters to help prevent SQL injection when queries are constructed using user input. This feature is only available with GoogleSQL syntax. Query parameters can be used as substitutes for arbitrary expressions. Parameters cannot be used as substitutes for i
クエリを実行する | BigQuery | Google Cloud
クエリの実行 このドキュメントでは、BigQuery でクエリを実行する方法と、ドライランを実行して、クエリの実行前に処理されるデータの量を把握する方法について説明します。 クエリの種類 次のいずれかの種類のクエリジョブを使用して、BigQuery データをクエリできます。 インタラクティブ クエリジョブ。デフォルトでは、BigQuery はインタラクティブ（オンデマンド）クエリジョブをできるだけ早く実行します。 バッチ クエリジョブ。これらのジョブでは、BigQuery がユーザーに代わって各バッチクエリをキューに入れ、アイドル状態のリソースが使用可能になると（通常は数分以内）直ちにクエリを開始します。 継続的クエリジョブ（プレビュー）。これらのジョブでは、クエリが継続的に実行されるため、BigQuery で受信データをリアルタイムで分析し、結果を BigQuery テーブルに書き込むか
Using schema auto-detection | BigQuery | Google Cloud
Stay organized with collections Save and categorize content based on your preferences. Using schema auto-detection Schema auto-detection Schema auto-detection enables BigQuery to infer the schema for CSV, JSON, or Google Sheets data. Schema auto-detection is available when you load data into BigQuery and when you query an external data source. When auto-detection is enabled, BigQuery infers the da
パーティション分割テーブルに対するクエリ | BigQuery | Google Cloud
パーティション分割テーブルに対するクエリ このドキュメントでは、BigQuery でパーティション分割テーブルに対してクエリを実行するための具体的な考慮事項について説明します。 BigQuery でのクエリの実行に関する一般的なことについては、インタラクティブ クエリとバッチクエリの実行をご覧ください。 概要 クエリで、パーティショニング列の値に対する限定フィルタを使用すると、BigQuery では、フィルタに一致するパーティションがスキャンされ、残りのパーティションはスキップされます。この処理は「パーティションのプルーニング」と呼ばれます。 パーティションのプルーニングは、BigQuery で入力スキャンから不要なパーティションを削除するために使用する仕組みです。除かれたパーティションは、クエリでスキャンしたバイト数の計算には含まれません。一般に、パーティションのプルーニングは、クエリの
スロットについて | BigQuery | Google Cloud
スロットについて BigQuery スロットは、BigQuery で SQL クエリやその他のジョブタイプの実行に使用される仮想コンピューティング ユニットです。クエリの実行中に、クエリで使用されるスロット数が BigQuery により自動的に決定されます。使用されるスロット数は、処理されるデータの量、クエリの複雑さ、使用可能なスロット数によって異なります。一般に、アクセスできるスロットが多いほど、同時実行できるクエリの数が増え、複雑なクエリをより高速に実行できます。 すべてのクエリでスロットが使用されますが、使用量の課金方法には、オンデマンド料金モデルと容量ベースの料金モデルの 2 つのオプションがあります。 デフォルトでは、オンデマンド モデルを使用して課金されます。このモデルでは、各クエリによって処理されたデータの量（TiB 単位）に基づいて課金されます。オンデマンド モデルを使用す
Jupyter ノートブックで BigQuery データを可視化する | Google Cloud
このチュートリアルでは、Vertex AI Workbench のマネージド Jupyter ノートブック インスタンスで、Python 用の BigQuery クライアント ライブラリと pandas を使用してデータを探索し、可視化する方法について説明します。データ可視化ツールは、BigQuery データをインタラクティブに分析して、データから傾向を特定し、分析情報を伝達するのに役立ちます。このチュートリアルでは、Google トレンドの BigQuery 一般公開データセットに含まれるデータを使用します。 目標 Vertex AI Workbench を使用してマネージド Jupyter ノートブック インスタンスを作成します。 ノートブックでマジック コマンドを使用して BigQuery データをクエリします。 BigQuery Python クライアント ライブラリと panda
Data definition language (DDL) statements in GoogleSQL | BigQuery | Google Cloud
Stay organized with collections Save and categorize content based on your preferences. Data definition language (DDL) statements in GoogleSQL Data definition language (DDL) statements let you create and modify BigQuery resources using GoogleSQL query syntax. You can use DDL commands to create, alter, and delete resources, such as the following: Datasets Tables Table schemas Table clones Table snap
Google Cloud コンソールを確認する | BigQuery
Google Cloud コンソールの詳細を見る Google Cloud コンソールには、BigQuery リソースの作成と管理、SQL クエリの実行に使用できるグラフィカル インターフェースが用意されています。 Google Cloud コンソールで BigQuery を試すには、クイックスタートの Google Cloud コンソールで一般公開データセットにクエリを実行するをご覧ください。 始める前に Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits t
クエリプランとタイムライン | BigQuery | Google Cloud
BigQuery のクエリジョブには、診断で使用できるクエリプランとタイミング情報が埋め込まれます。これは、他のデータベースや分析システムの EXPLAIN ステートメントなどで提供される情報に似ています。この情報は、jobs.get などのメソッドで API レスポンスから取得できます。 長期実行されるクエリの場合、BigQuery はこの統計情報を定期的に更新します。この更新は、ジョブ ステータスのポーリング間隔とは関係なく実行されますが、通常、更新間隔が 30 秒よりも短くなることはありません。また、実行リソースを使用しないクエリジョブ（ドライラン リクエストや、キャッシュに保存された結果が提供される場合など）の場合、追加の診断情報はありませんが、他の統計情報が提供される可能性があります。 背景 BigQuery がクエリジョブを実行すると、宣言型の SQL ステートメントを実行グラ
Query syntax | BigQuery | Google Cloud
Stay organized with collections Save and categorize content based on your preferences. Query statements scan one or more tables or expressions and return the computed result rows. This topic describes the syntax for SQL queries in GoogleSQL for BigQuery. SQL syntax notation rules The GoogleSQL documentation commonly uses the following syntax notation rules: Square brackets [ ]: Optional clause. Cu
Optimize query computation | BigQuery | Google Cloud
Stay organized with collections Save and categorize content based on your preferences. Optimize query computation This document provides the best practices for optimizing your query performance. When you run a query, you can view the query plan in the Google Cloud console. You can also request execution details by using the INFORMATION_SCHEMA.JOBS* views or the jobs.get REST API method. The query
https://cloud.google.com/bigquery/sql-reference/query-syntax?hl=ja
Stay organized with collections Save and categorize content based on your preferences. Query statements scan one or more tables or expressions and return the computed result rows. This topic describes the syntax for SQL queries in GoogleSQL for BigQuery. SQL syntax notation rules The GoogleSQL documentation commonly uses the following syntax notation rules: Square brackets [ ]: Optional clause. Cu
配列の操作 | BigQuery | Google Cloud
GoogleSQL for BigQuery でいう配列とは、ゼロ個以上の同じデータ型の値で構成された順序付きリストのことです。INT64 のような単純なデータ型や、STRUCT のような複雑なデータ型の配列を作成できます。ただし、配列の配列はサポートされていません。NULL の処理などの ARRAY データ型の詳細については、Array 列型をご覧ください。 GoogleSQL では、配列のリテラルを構成し、ARRAY 関数を使用してサブクエリから配列を作成したうえで、ARRAY_AGG 関数を使用して配列に値を集約できます。 ARRAY_CONCAT() のような関数を使用して複数の配列を結合し、ARRAY_TO_STRING() を使用して配列を文字列に変換できます。 配列の要素へのアクセス 以下の Sequences というテーブルについて検討します。このテーブルには、ARRAY
BigQuery release notes | Google Cloud
Stay organized with collections Save and categorize content based on your preferences. This page documents production updates to BigQuery. We recommend that BigQuery developers periodically check this list for any new announcements. BigQuery automatically updates to the latest release and cannot be downgraded to a previous version. You can see the latest product updates for all of Google Cloud on
BigQuery での SQL の概要 | Google Cloud
BigQuery での SQL の概要 このドキュメントでは、BigQuery でサポートされているステートメントと SQL 言語の概要について説明します。 GoogleSQL は ANSI 準拠の構造化クエリ言語（SQL）であり、サポートされている次のタイプのステートメントが含まれています。 クエリ ステートメント（Data Query Language（DQL）ステートメントとも呼ばれます）は、BigQuery でデータを分析する主要な方法です。1 つ以上のテーブルや式をスキャンして、計算結果の行を返します。クエリ ステートメントには、パイプ構文を含めることができます。 プロシージャル言語ステートメントは、GoogleSQL のプロシージャルの拡張であり、1 回のリクエストで複数の SQL ステートメントを実行できます。プロシージャル ステートメントでは変数と制御フロー ステートメント
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Cookbook — pandas 2.3.2 documentation
All BigQuery code samples | Google Cloud
Google製可視化OSSのFacetsがめっちゃ便利だから使ってみてくれ - Qiita
