このプロダクトまたは機能は、pre-GA（一般提供前）のプレビュー版です。一般提供前のプロダクトと機能では、サポートが制限されることがあります。また、一般提供前のプロダクトや機能の変更は、他の一般提供前のバージョンと互換性がない場合があります。pre-GA のサービスには、Google Maps Platform サービス固有の規約が適用されます。詳細については、リリースステージの説明をご覧ください。登録してプレイス分析情報をお試しください。

このページは Cloud Translation API によって翻訳されました。

クエリ結果を可視化する

BigQuery データから分析情報を得るには、分析ツールとビジネスインテリジェンスツールが不可欠です。BigQuery は、Google とサードパーティの複数のデータ可視化ツールをサポートしています。これらのツールを使用して、次のようなプレイス分析情報のデータに対するクエリの結果を分析できます。

BigQuery Studio の [可視化] タブ
Colab ノートブック
Looker Studio
Google Earth Engine
BigQuery Geo Viz

次の例は、結果を可視化する方法を示しています。

BigQuery Studio の [可視化] タブ。地理データビューアが統合されています。
Colab ノートブック（ホスト型の Jupyter Notebook サービス）。
Looker Studio: データを可視化し、ダッシュボードやレポートを作成して利用できるプラットフォーム。
BigQuery Geo Viz。Google Maps API を使用して BigQuery の地理空間データを可視化するツール。

他のツールを使用してデータを可視化する方法については、BigQuery のドキュメントをご覧ください。

可視化するデータをクエリする

次の可視化の例では、次のクエリを使用して、ニューヨーク市で車椅子で入店できるレストランの数を生成します。このクエリは、各ポイントのサイズが 0.005 度の地理的なポイントごとのレストラン数のテーブルを返します。

GEOGRAPHY ポイントに対して GROUP BY オペレーションを実行できないため、このクエリでは BigQuery の ST_ASTEXT 関数を使用して、各ポイントをポイントの STRING WKT 表現に変換し、その値を geo_txt 列に書き込みます。次に、geo_txt を使用して GROUP BY を実行します。

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
)

次の図は、このクエリの出力例を示しています。ここで、count には各ポイントのレストランの数が含まれています。

ニューヨーク市で車椅子でアクセスできるレストランのクエリ結果。

BigQuery Studio の [可視化] タブを使用してデータを可視化する

次の図は、[可視化タブ] を使用して BigQuery に表示されたデータを示しています。円の色が濃いほど、その場所にレストランが集中していることを示します。

BigQuery Studio の密度マップ

BigQuery Studio でデータを可視化する

上記のクエリをデータをクエリして可視化するで実行します。
1. BigQuery の結果で、[可視化] タブをクリックします。
地図が開き、クエリされたポイントを表す円が表示されます。
[ビジュアリゼーション構成] で、[データ列] を [カウント] に設定します。
円の色が濃いほど、レストランの数が多いことを示します。
必要に応じて、他の設定を更新して、可視化のルックアンドフィールを変更できます。

構成オプションの詳細については、BigQuery の可視化に関するドキュメントをご覧ください。

Colab ノートブックを使用してデータを可視化する

Colab ノートブックでの可視化は、BigQuery Studio よりも制御性と高度性が高く、Jupyter ノートブック環境を維持できます。

Colab で地理空間分析データを可視化するチュートリアルは、次の 3 つの形式で提供されています。

Colab のドキュメントをご覧ください。
- YouTube 動画として。
GitHub ノートブックでは、Workspace または Colab Enterprise でクローンを作成して使用できます。

このチュートリアルでは、pydeck、deck.gl、

散布図（通常はサンプリング用）。
GeoJSON（検出用）。
階級区分図（強度）。
ヒートマップ（密度用）。

Looker Studio でデータを可視化する

次の図は、Looker Studio でヒートマップとして表示されたこのデータを示しています。ヒートマップは、密度が低い（緑）から高い（赤）までを示しています。

クエリ結果が塗り分けマップとヒートマップとして表示されます。

Looker Studio にデータをインポートする

Looker Studio にデータをインポートするには:

上記のクエリをクエリを実行してデータを可視化するで実行します。
BigQuery の結果で、[次で開く] -> [Looker Studio] をクリックします。結果は Looker Studio に自動的にインポートされます。
Looker Studio はデフォルトのレポートページを作成し、タイトル、表、結果の棒グラフで初期化します。
ページ上のすべてを選択して削除します。
レポートにヒートマップを追加するには、[挿入 -> ヒートマップ] をクリックします。
[グラフの種類 -> 設定] で、次の図に示すようにフィールドを構成します。
ヒートマップは上記のように表示されます。必要に応じて、[グラフの種類 -> スタイル] を選択して、地図の外観をさらに構成できます。

BigQuery Geo Viz を使用してデータを可視化する

次の画像は、このデータが BigQuery Geo Viz で塗りつぶし地図として表示されている様子を示しています。塗りつぶし地図には、ポイントセルごとのレストランの密度が表示されます。ポイントが大きいほど密度が高くなります。

Geo Viz で塗り分けマップとして表示されたクエリ結果。

BigQuery Geo Viz にデータをインポートする

データを BigQuery Geo Viz にインポートするには:

上記のクエリをクエリを実行してデータを可視化するで実行します。
BigQuery の結果で、[次で開く] -> [GeoViz] をクリックします。
[クエリ] ステップが表示されます。
[実行] ボタンを選択して、クエリを実行します。地図上にポイントが自動的に表示されます。
[データ] を選択してデータを表示します。
[データ] セクションで、[スタイルを追加] ボタンをクリックします。
[circleRadius] を選択し、スライダーを使用してデータドリブンスタイリングを有効にします。
残りのフィールドを次のように設定します。
[スタイルを適用] をクリックして、地図にスタイルを適用します。