PLACES_COUNT_PER_GEO फ़ंक्शन

PLACES_COUNT_PER_GEO फ़ंक्शन, खोजने के लिए भौगोलिक इलाकों का कलेक्शन लेता है और हर इलाके में मौजूद जगहों की संख्या की टेबल दिखाता है. उदाहरण के लिए, अगर आपने खोज के लिए पिन कोड का कलेक्शन चुना है, तो जवाब में एक टेबल होगी. इसमें हर पिन कोड के लिए एक अलग लाइन होगी.

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

• इनपुट पैरामीटर:

  • ज़रूरी है: geographies फ़िल्टर पैरामीटर, जिससे खोज के दायरे का पता चलता है. geographies पैरामीटर, BigQuery GEOGRAPHY डेटा टाइप से तय की गई वैल्यू का कलेक्शन लेता है. यह डेटा टाइप, पॉइंट, लाइनस्ट्रिंग, और पॉलीगॉन के साथ काम करता है.

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

• वापसी:

  • एक टेबल, जिसमें हर भौगोलिक इलाके के लिए एक लाइन हो. टेबल में ये कॉलम शामिल हैं: geography (GEOGRAPHY), count (INT64), और place_ids (ARRAY<STRING>). इसमें place_ids में हर भौगोलिक इलाके के लिए, जगह के ज़्यादा से ज़्यादा 250 आईडी शामिल हैं.

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

इस उदाहरण से, न्यूयॉर्क शहर की हर काउंटी में चालू रेस्टोरेंट की संख्या की टेबल जनरेट होती है.

इस उदाहरण में, United States Census Bureau Data BigQuery सार्वजनिक डेटासेट का इस्तेमाल किया गया है. इससे न्यूयॉर्क शहर की तीन काउंटी की सीमाओं की जानकारी मिलती है: "क्वींस","किंग्स", "न्यूयॉर्क". हर काउंटी की सीमाएं, county_geom कॉलम में मौजूद हैं.

इसके बाद, इस उदाहरण में BigQuery के ST_SIMPLIFY फ़ंक्शन का इस्तेमाल करके, county_geom का आसान वर्शन दिखाया गया है. ST_SIMPLIFY फ़ंक्शन, किनारों की सीधी चेन को एक लंबे किनारे 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 करके, हर काउंटी के लिए संख्या का हिसाब लगाना

यहां दिए गए उदाहरण में, brand_ids फ़िल्टर का इस्तेमाल करके, Starbucks जैसे खास ब्रैंड के लिए जगहों की संख्या और सैंपल के तौर पर जगहों के आईडी हासिल किए गए हैं "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 का अनुमान लगाएं

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

Looker Studio में अपना डेटा इंपोर्ट करने के लिए:

1. नतीजे जनरेट करने के लिए, ऊपर दिया गया फ़ंक्शन 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, नतीजों के टाइटल, टेबल, और बार ग्राफ़ के साथ उसे शुरू करता है.

   

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

5. अपनी रिपोर्ट में भरा हुआ मैप जोड़ने के लिए, शामिल करें -> भरा हुआ मैप पर क्लिक करें.

6. चार्ट टाइप -> सेटअप में जाकर, फ़ील्ड को यहां दिखाए गए तरीके से कॉन्फ़िगर करें::

   

7. भरा हुआ मैप ऊपर दिए गए मैप की तरह दिखता है. मैप के लुक को और बेहतर बनाने के लिए, चार्ट टाइप -> स्टाइल को भी चुना जा सकता 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.