PLACES_COUNT_PER_GEO फ़ंक्शन

PLACES_COUNT_PER_GEO फ़ंक्शन, खोज के लिए भौगोलिक क्षेत्रों की एक कैटगरी लेता है. साथ ही, यह हर क्षेत्र के हिसाब से जगहों की संख्या वाली टेबल दिखाता है. उदाहरण के लिए, अगर आपने खोज के लिए पिन कोड की एक श्रेणी तय की है, तो जवाब में एक टेबल दिखेगी. इसमें हर पिन कोड के लिए एक अलग लाइन होगी.

PLACES_COUNT_PER_GEO फ़ंक्शन, टेबल दिखाता है. इसलिए, इसे FROM क्लॉज़ का इस्तेमाल करके कॉल करें.

• इनपुट पैरामीटर:

  • ज़रूरी है: geographies फ़िल्टर पैरामीटर, जो खोज के दायरे के बारे में बताता है. geographies पैरामीटर, BigQuery GEOGRAPHY डेटा टाइप के हिसाब से तय की गई वैल्यू का एक कलेक्शन लेता है. यह पॉइंट, लाइनस्ट्रिंग, और पॉलीगॉन के साथ काम करता है.

  • ज़रूरी नहीं: खोज के नतीजों को बेहतर बनाने के लिए, अन्य फ़िल्टर पैरामीटर.

• वापसी:

  • इस टेबल में, हर भौगोलिक इलाके के लिए एक लाइन होती है. इस टेबल में geography (GEOGRAPHY), count (INT64), और place_ids (ARRAY<STRING>) कॉलम शामिल हैं. इनमें से place_ids कॉलम में, हर भौगोलिक क्षेत्र के लिए ज़्यादा से ज़्यादा 250 जगह के आईडी शामिल होते हैं.

उदाहरण: न्यूयॉर्क शहर के हर काउंटी में रेस्टोरेंट की संख्या का हिसाब लगाएं

इस उदाहरण में, न्यूयॉर्क शहर के हर काउंटी में खुले रेस्टोरेंट की संख्या वाली टेबल जनरेट की गई है.

इस उदाहरण में, न्यूयॉर्क शहर की तीन काउंटी: "क्वींस","किंग्स", "न्यूयॉर्क" की सीमाओं की जानकारी पाने के लिए, United States Census Bureau के डेटा वाले BigQuery के सार्वजनिक डेटासेट का इस्तेमाल किया गया है. हर काउंटी की सीमाएं, county_geom कॉलम में शामिल होती हैं.

इसके बाद, इस उदाहरण में BigQuery ST_SIMPLIFY फ़ंक्शन का इस्तेमाल करके, county_geom का आसान वर्शन दिखाया गया है. ST_SIMPLIFY फ़ंक्शन, किनारों की लगभग सीधी चेन को एक लंबी किनारी से बदल देता है.

DECLARE geos ARRAY<GEOGRAPHY>;

SET geos = (SELECT ARRAY_AGG(ST_SIMPLIFY(county_geom, 100))
            FROM `bigquery-public-data.geo_us_boundaries.counties`
            WHERE county_name IN ("Queens","Kings", "New York") AND state_fips_code = "36");

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_GEO`(
  JSON_OBJECT(
      'geographies', geos,
      'types', ["restaurant"],
      'business_status', ["OPERATIONAL"]
      )
);

उदाहरण: ब्रैंड के हिसाब से फ़िल्टर किए गए हर काउंटी के लिए, संख्या का हिसाब लगाना

नीचे दिए गए उदाहरण में, brand_ids फ़िल्टर का इस्तेमाल करके, खास ब्रैंड के लिए जगहों की संख्या और सैंपल प्लेस आईडी वापस पाए गए हैं. जैसे, Starbucks "1413758728321880760":

DECLARE geos ARRAY<GEOGRAPHY>;

SET geos = (SELECT ARRAY_AGG(ST_SIMPLIFY(county_geom, 100))
            FROM `bigquery-public-data.geo_us_boundaries.counties`
            WHERE county_name IN ("Queens","Kings", "New York") AND state_fips_code = "36");

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_GEO`(
  JSON_OBJECT(
      'geographies', geos,
      'brand_ids', ["1413758728321880760"], -- Filter for Starbucks
      'business_status', ["OPERATIONAL"]
      )
);

नतीजों को विज़ुअलाइज़ करना

इन इमेज में, इस डेटा को Looker Studio में फ़िल्ड मैप के तौर पर दिखाया गया है. इसमें हर काउंटी की आउटलाइन भी शामिल है:

अपने डेटा को Looker Studio में इंपोर्ट करने के लिए:

1. नतीजे जनरेट करने के लिए, ऊपर दिए गए फ़ंक्शन को चलाएं.

2. BigQuery के नतीजों में, इसमें खोलें -> Looker Studio पर क्लिक करें. आपके नतीजे, Looker Studio में अपने-आप इंपोर्ट हो जाते हैं.

3. Looker Studio, डिफ़ॉल्ट रूप से एक रिपोर्ट पेज बनाता है. साथ ही, इसमें नतीजों का टाइटल, टेबल, और बार ग्राफ़ दिखाता है.

   

4. पेज पर मौजूद सभी आइटम चुनें और उन्हें मिटाएं.

5. अपनी रिपोर्ट में फ़िल्ड मैप जोड़ने के लिए, सम्मिलित करें -> फ़िल्ड मैप पर क्लिक करें.

6. चार्ट टाइप -> सेटअप में जाकर, फ़ील्ड को इस तरह कॉन्फ़िगर करें::

   

7. भरे गए मैप की इमेज ऊपर दी गई है. मैप को और बेहतर तरीके से कॉन्फ़िगर करने के लिए, चार्ट टाइप -> स्टाइल को चुना जा सकता है. हालांकि, यह ज़रूरी नहीं है.

Places Insights के नतीजों को विज़ुअलाइज़ करने के बारे में ज़्यादा जानकारी और उदाहरण के लिए, क्वेरी के नतीजों को विज़ुअलाइज़ करना लेख पढ़ें.