使用 BigQuery DataFrames 建立圖表

您可以使用 BigQuery DataFrames 視覺化程式庫繪製各種圖表，以視覺化方式探索及瞭解資料。bigframes.pandas API 可讓您將進階統計運算與熟悉的 Python 繪圖工具完美結合，包括大型資料集的內建取樣功能。

直方圖

以下範例會從 bigquery-public-data.ml_datasets.penguins 資料表讀取資料，繪製企鵝嘴峰深度的分布直方圖：

import bigframes.pandas as bpd

penguins = bpd.read_gbq("bigquery-public-data.ml_datasets.penguins")
penguins["culmen_depth_mm"].plot.hist(bins=40)

折線圖

以下範例使用 bigquery-public-data.noaa_gsod.gsod2021 資料表中的資料，繪製全年溫度中位數變化的折線圖：

import bigframes.pandas as bpd

noaa_surface = bpd.read_gbq("bigquery-public-data.noaa_gsod.gsod2021")

# Calculate median temperature for each day
noaa_surface_median_temps = noaa_surface[["date", "temp"]].groupby("date").median()

noaa_surface_median_temps.plot.line()

面積圖

以下範例使用 bigquery-public-data.usa_names.usa_1910_2013 資料表追蹤美國歷史上的姓名熱門程度，並著重於 Mary、Emily 和 Lisa 這三個姓名：

import bigframes.pandas as bpd

usa_names = bpd.read_gbq("bigquery-public-data.usa_names.usa_1910_2013")

# Count the occurences of the target names each year. The result is a dataframe with a multi-index.
name_counts = (
    usa_names[usa_names["name"].isin(("Mary", "Emily", "Lisa"))]
    .groupby(("year", "name"))["number"]
    .sum()
)

# Flatten the index of the dataframe so that the counts for each name has their own columns.
name_counts = name_counts.unstack(level=1).fillna(0)

name_counts.plot.area(stacked=False, alpha=0.5)

長條圖

下列範例使用 bigquery-public-data.ml_datasets.penguins 資料表，以視覺化方式呈現企鵝性別分布：

import bigframes.pandas as bpd

penguins = bpd.read_gbq("bigquery-public-data.ml_datasets.penguins")

penguin_count_by_sex = (
    penguins[penguins["sex"].isin(("MALE", "FEMALE"))]
    .groupby("sex")["species"]
    .count()
)
penguin_count_by_sex.plot.bar()

散布圖

以下範例使用 bigquery-public-data.new_york_taxi_trips.tlc_yellow_trips_2021 資料表，探索計程車車資金額與行程距離之間的關係：

import bigframes.pandas as bpd

taxi_trips = bpd.read_gbq(
    "bigquery-public-data.new_york_taxi_trips.tlc_yellow_trips_2021"
).dropna()

# Data Cleaning
taxi_trips = taxi_trips[
    taxi_trips["trip_distance"].between(0, 10, inclusive="right")
]
taxi_trips = taxi_trips[taxi_trips["fare_amount"].between(0, 50, inclusive="right")]

# If you are using partial ordering mode, you will also need to assign an order to your dataset.
# Otherwise, the next line can be skipped.
taxi_trips = taxi_trips.sort_values("pickup_datetime")

taxi_trips.plot.scatter(x="trip_distance", y="fare_amount", alpha=0.5)

以圖表呈現大型資料集

BigQuery DataFrames 會將資料下載到本機電腦，以便進行視覺化。根據預設，可下載的資料點數量上限為 1,000。如果資料點數量超過上限，BigQuery DataFrames 會隨機取樣，數量等於上限。

如要覆寫這項上限，請在繪製圖表時設定 sampling_n 參數，如以下範例所示：

import bigframes.pandas as bpd

noaa_surface = bpd.read_gbq("bigquery-public-data.noaa_gsod.gsod2021")

# Calculate median temperature for each day
noaa_surface_median_temps = noaa_surface[["date", "temp"]].groupby("date").median()

noaa_surface_median_temps.plot.line(sampling_n=40)

注意： sampling_n 參數對直方圖沒有影響，因為 BigQuery DataFrames 會在伺服器端為直方圖建立資料 bucket。

使用 pandas 和 Matplotlib 參數進行進階繪圖

您可以傳入更多參數，像使用 pandas 一樣微調圖表，因為 BigQuery DataFrames 的繪圖程式庫是由 pandas 和 Matplotlib 提供。以下各節將說明範例。

名字熱門程度趨勢 (含子圖表)

以下範例使用面積圖範例中的名稱歷來資料，在 plot.area() 函式呼叫中設定 subplots=True，為每個名稱建立個別圖表：

import bigframes.pandas as bpd

usa_names = bpd.read_gbq("bigquery-public-data.usa_names.usa_1910_2013")

# Count the occurences of the target names each year. The result is a dataframe with a multi-index.
name_counts = (
    usa_names[usa_names["name"].isin(("Mary", "Emily", "Lisa"))]
    .groupby(("year", "name"))["number"]
    .sum()
)

# Flatten the index of the dataframe so that the counts for each name has their own columns.
name_counts = name_counts.unstack(level=1).fillna(0)

name_counts.plot.area(subplots=True, alpha=0.5)

計程車行程散布圖 (含多個維度)

以下範例使用散布圖範例中的資料，重新命名 x 軸和 y 軸的標籤、使用 passenger_count 參數設定點大小、使用 tip_amount 參數設定顏色點，並調整圖表大小：

import bigframes.pandas as bpd

taxi_trips = bpd.read_gbq(
    "bigquery-public-data.new_york_taxi_trips.tlc_yellow_trips_2021"
).dropna()

# Data Cleaning
taxi_trips = taxi_trips[
    taxi_trips["trip_distance"].between(0, 10, inclusive="right")
]
taxi_trips = taxi_trips[taxi_trips["fare_amount"].between(0, 50, inclusive="right")]

# If you are using partial ordering mode, you also need to assign an order to your dataset.
# Otherwise, the next line can be skipped.
taxi_trips = taxi_trips.sort_values("pickup_datetime")

taxi_trips["passenger_count_scaled"] = taxi_trips["passenger_count"] * 30

taxi_trips.plot.scatter(
    x="trip_distance",
    xlabel="trip distance (miles)",
    y="fare_amount",
    ylabel="fare amount (usd)",
    alpha=0.5,
    s="passenger_count_scaled",
    label="passenger_count",
    c="tip_amount",
    cmap="jet",
    colorbar=True,
    legend=True,
    figsize=(15, 7),
    sampling_n=1000,
)

後續步驟

• 瞭解 BigQuery DataFrames。
• 瞭解如何在 dbt 中使用 BigQuery DataFrames。
• 探索 BigQuery DataFrames API 參考資料。