Abfrageergebnisse visualisieren

Analyse- und Business Intelligence-Tools sind entscheidend, um Erkenntnisse aus Ihren BigQuery-Daten zu gewinnen. BigQuery unterstützt mehrere Datenvisualisierungstools von Google und Drittanbietern, mit denen Sie die Ergebnisse Ihrer Abfragen für Places Insights-Daten analysieren können. Dazu gehören:

• Tab „Visualisierung“ in BigQuery Studio
• Colaboratory-Notebooks
• Looker Studio
• Google Earth Engine
• BigQuery Geo Viz

Im folgenden Beispiel wird beschrieben, wie Sie Ihre Ergebnisse in folgenden Tools visualisieren:

• Der Tab „Visualisierung“ in BigQuery Studio, einem integrierten Viewer für geografische Daten.
• Colab-Notebooks, ein gehosteter Jupyter-Notebook-Dienst.
• Looker Studio ist eine Plattform, mit der Sie Datenvisualisierungen, Dashboards und Berichte erstellen und nutzen können.
• BigQuery Geo Viz, ein Tool zur Visualisierung von raumbezogenen Daten in BigQuery mithilfe von Google Maps APIs.

Weitere Informationen zum Visualisieren von Daten mit anderen Tools finden Sie in der BigQuery-Dokumentation.

Daten für die Visualisierung abfragen

In den folgenden Visualisierungsbeispielen wird mit der folgenden Abfrage die Anzahl der Restaurants in New York City mit einem rollstuhlgerechten Eingang ermittelt. Mit dieser Abfrage wird eine Tabelle mit der Anzahl der Restaurants pro geografischem Punkt zurückgegeben, wobei die Größe jedes Punktes 0,005 Grad beträgt.

Da Sie keinen GROUP BY-Vorgang für einen GEOGRAPHY-Punkt ausführen können, wird in dieser Abfrage die BigQuery-Funktion ST_ASTEXT verwendet, um jeden Punkt in die STRING-WKT-Darstellung des Punkts zu konvertieren und diesen Wert in die Spalte geo_txt zu schreiben. Anschließend wird GROUP BY mit geo_txt ausgeführt.

SELECT
  geo_txt, -- STRING WKT geometry value.
  ST_GEOGFROMTEXT(geo_txt) AS geo, -- Convert STRING to GEOGRAPHY value.
  count
FROM (
  -- Create STRING WKT representation of each GEOGRAPHY point to
  -- GROUP BY the STRING value.
  SELECT WITH AGGREGATION_THRESHOLD
    ST_ASTEXT(ST_SNAPTOGRID(point, 0.005)) AS geo_txt,
    COUNT(*) AS count
  FROM
    `PROJECT_NAME.places_insights___us___sample.places_sample`
  WHERE
    'restaurant' IN UNNEST(types)
    AND wheelchair_accessible_entrance = true
  GROUP BY
    geo_txt
)

Die folgende Abbildung zeigt eine Beispielausgabe für diese Abfrage, in der count die Anzahl der Restaurants für jeden Punkt enthält:

Daten mit dem Tab „Visualisierung“ in BigQuery Studio visualisieren

Das folgende Bild zeigt diese Daten in BigQuery auf dem Tab „Visualisierung“. Dunklere Kreise weisen auf eine höhere Konzentration von Restaurants an diesem Ort hin.

Daten in BigQuery Studio visualisieren

1. Führen Sie die obige Abfrage unter Daten abfragen, um sie zu visualisieren aus.
   1. Klicken Sie in den BigQuery-Ergebnissen auf den Tab Visualisierung.
2. Es wird eine Karte mit Kreisen für die abgefragten Punkte geöffnet.

3. Legen Sie unter Visualisierung konfigurieren für Datenspalte den Wert count fest.
   

   

4. Je dunkler die Kreise sind, desto mehr Restaurants gibt es an den entsprechenden Orten.

5. Optional können Sie weitere Einstellungen aktualisieren, um die Darstellung der Visualisierung zu ändern.

Weitere Informationen zu den Konfigurationsoptionen finden Sie in der Dokumentation zur BigQuery-Visualisierung.

Daten mit Colab-Notebooks visualisieren

Die Visualisierung in Colab-Notebooks bietet Ihnen mehr Kontrolle und Möglichkeiten als BigQuery Studio und Sie können in einer Jupyter-Notebook-Umgebung bleiben.

Ein Tutorial zur Visualisierung von Daten aus raumbezogenen Analysen in Colab ist in drei Formaten verfügbar:

• In der Colab-Dokumentation
  • Als YouTube-Video.
• In einem GitHub-Notebook, das Sie in Colab for Workspaces oder Colab Enterprise klonen und verwenden können.

In dieser Anleitung werden vier grundlegende Diagrammtypen mit pydeck, deck.gl und

• Streudiagramm (in der Regel für Stichproben).
• GeoJSON (für die Erkennung).
• Choroplethe (für die Intensität).
• Heatmap (für die Dichte).

Daten mit Looker Studio visualisieren

Die folgenden Bilder zeigen diese Daten in Looker Studio als Heatmap. Die Heatmap zeigt die Dichte von niedrig (grün) bis hoch (rot).

Daten in Looker Studio importieren

So importieren Sie Ihre Daten in Looker Studio:

1. Führen Sie die obige Abfrage unter Daten abfragen, um sie zu visualisieren aus.

2. Klicken Sie in den BigQuery-Ergebnissen auf Öffnen in > Looker Studio. Ihre Ergebnisse werden automatisch in Looker Studio importiert.

3. In Looker Studio wird eine Standardberichtsseite erstellt und mit einem Titel, einer Tabelle und einem Balkendiagramm der Ergebnisse initialisiert.

   

4. Wählen Sie alles auf der Seite aus und löschen Sie es.

5. Klicken Sie auf Einfügen -> Heatmap, um dem Bericht eine Heatmap hinzuzufügen.

6. Konfigurieren Sie die Felder unter Diagrammtypen > Einrichtung wie unten dargestellt:

   

7. Die Heatmap wird wie oben dargestellt angezeigt. Optional können Sie Diagrammtypen –> Stile auswählen, um die Darstellung der Karte weiter zu konfigurieren.

Daten mit BigQuery Geo Viz visualisieren

Die folgenden Bilder zeigen diese Daten in BigQuery Geo Viz als gefüllte Karte. Die Karte zeigt die Restaurantdichte nach Punktzelle. Je größer der Punkt, desto höher die Dichte.

Daten in BigQuery Geo Viz importieren

So importieren Sie Ihre Daten in BigQuery Geo Viz:

1. Führen Sie die obige Abfrage unter Daten abfragen, um sie zu visualisieren aus.

2. Klicken Sie in den BigQuery-Ergebnissen auf Öffnen in -> GeoViz.

3. Die Anzeige wird mit dem Schritt Abfrage geöffnet.

4. Klicken Sie auf die Schaltfläche Ausführen, um die Abfrage auszuführen. Die Punkte werden automatisch auf der Karte angezeigt.

5. Wählen Sie Daten aus, um die Daten aufzurufen.

6. Klicken Sie im Bereich Daten auf die Schaltfläche Stile hinzufügen.

7. Wählen Sie circleRadius aus und aktivieren Sie dann mit dem Schieberegler das datengesteuerte Styling.

8. Legen Sie die restlichen Felder wie unten gezeigt fest:

   

9. Klicken Sie auf Stil anwenden, um die Stile auf die Karte anzuwenden.