Google は AI 技術を使用して、コンテンツをご希望の言語に翻訳しています。AI 翻訳には誤りが含まれる場合があります。

クエリ結果を可視化する

BigQuery データから分析情報を得るためには、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、Places Insights データのクエリ結果を分析するために使用できる、Google およびサードパーティのデータ可視化ツールをいくつかサポートしています。

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

以下の例では、次のツールで結果を可視化する方法を説明します。

BigQuery Studio の [可視化] タブ（統合された地理データビューア）。
Colab ノートブック（ホスト型の Jupyter Notebook サービス）。
Looker Studio。データの可視化、ダッシュボード、レポートを作成して利用できるプラットフォームです。
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です。

この例では、車椅子対応のレストランを可視化していますが、Places Insights クエリとブランドデータクエリを可視化することもできます。

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。

データをクエリして可視化する

以下の可視化の例では、次のクエリを使用して、ニューヨーク市のエンパイアステートビルから 3,000 メートル以内にあり、車椅子対応の入り口があるレストランの数を生成しています。このクエリは、各ポイントのサイズが 0.005 度の地理的ポイントごとのレストラン数の表を返します。

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.places`
  WHERE
    'restaurant' IN UNNEST(types)
    AND wheelchair_accessible_entrance = true
    AND ST_DWITHIN(ST_GEOGPOINT(-73.9857, 40.7484), point, 3000)
  GROUP BY
    geo_txt
)

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

ニューヨーク市にある車椅子対応の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 に表示されたこのデータを示しています。円の色が濃いほど、その場所のレストランの集中度が高いことを示します。

BigQuery Studio の密度マップ

BigQuery Studio でデータを可視化する

可視化するデータのクエリで上記のクエリを実行します。
1. BigQuery の結果で、[可視化] タブをクリックします。
クエリされたポイントを表す円が表示された地図が開きます。
[ビジュアリゼーションの構成] で、[データ列] を [count] に設定します。
濃い色の円は、レストランの数が多いポイントを表します。
必要に応じて、他の設定を更新してビジュアリゼーションの外観を変更できます。

構成オプションの詳細については、BiqQuery 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な機能を提供し、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 つの形式で利用できます。

Colab のドキュメント
YouTube 動画として。
GitHub ノートブック。クローンを作成して、Colab for Workspaces または Colab Enterprise で使用できます。

このチュートリアルでは、pydeck、deck.gl、を使用した 4 つの主要なグラフの種類に焦点を当てています。

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

Looker Studio でデータを可視化する

次の画像は、このデータを Looker Studio でヒートマップとして表示したものです。ヒートマップには、密度が低（緑）から高（赤）まで表示されます。

塗り分けマップとヒートマップとして表示されたクエリ結果。

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:

可視化するデータをクエリするで上記のクエリを実行します。
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、結果のタイトル、テーブル、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。
[挿入] -> [ヒートマップ] をクリックして、レポートにヒートマップを追加します。
[グラフの種類 -> 設定] で、[データ] セクションから項目をドラッグして、次のように構成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。