Ch10 UNNEST an Array

2020-05-02

구글 클라우드, Google Cloud, 빅쿼리, BigQuery, Python

Page content

1. 구글 클라우드 설정

본격적인 빅쿼리 실습에 앞서서, Python과 연동하는 예제를 준비하였다. 빅쿼리 시작에 앞서서 선행적으로 클라우드 사용을 해야 한다.

만약 GCP 프로젝트가 없다면, 계정을 연동한다. Go to Cloud Resource Manager
그리고, 비용결제를 위한 카드를 등록한다. Enable billing
마지막으로 BigQuery API를 사용해야 하기 때문에 빅쿼리 API 사용허가를 내준다.Enable BigQuery

위 API를 이용하지 않으면 Python 또는 R과 연동해서 사용할 수는 없다. 자주 쓰는것이 아니라면 비용은 거의 발생하지 않으니 염려하지 않아도 된다. 비용관리에 대한 자세한 내용은 BigQuery 권장사항: 비용 관리에서 확인하기를 바란다.

2. 사용자 계정 인증

구글 코랩을 사용해서 인증 절차를 밟도록 한다. 아래 소스코드는 변경시키지 않는다. 아래 절차대로 진행하면 된다. Gmail 인증 절차와 비슷하다.

from google.colab import auth
auth.authenticate_user()
print('Authenticated')

Authenticated

3. 쿼리 기본

빅쿼리는 기본적으로 데이터 웨어하우스의 기능을 가지고 있다. Structured(데이터프레임) & Semi-Structured(JSON)과 같은 DB를 지원하고 있다. Create, Read, Update, Delete 기능을 지원한다.

빅쿼리는 데이터 분석을 위한 기본적인 도구이기 때문에, 웹/앱을 활용한 마케팅 분석이 필요한 업종에서는 어쩌면 반드시 가져가야할 일종의 언어이기도 하다.

기본적으로 SQL문법을 지원하며, BigQuery 나름의 문법을 또한 구성하고 있다. 이제 본격적으로 코드를 작성해보자.

현재 작성하는 모든 코드는 Python-BigQuery로 연동하여 작성하려고 한다. 이제 간단하게 쿼리를 작성해보자.

Ch05-Query_Essentials(1)에서는 SELECT와 AS에 대해 배우는 시간을 가졌다.
Ch05-Query_Essentials(2)에서는 WHERE와 EXCEPT, 그리고 REPLACE에 대해 배우는 시간을 가졌다.
Ch05-Query_Essentials(3)에서는 SubQuery에 대해서 집중적으로 배우는 시간을 가졌다.
Ch06 SQL Aggregates에서는 집계함수를 사용해서 데이터를 조금 더 디테일하게 요약하는 것을 배웠다.
Ch07 Arrays & Structs에서는 빅쿼리에서 가상의 테이블과 그리고 배열을 만드는 법을 익혔다.
Ch08_Creating_Arrays_with_Array_AGG
Ch09_Array_Of_Struct Struct을 활용하여 독특한 쿼리 결과문(Array)을 확인하였다.

(1) UNNEST

우선 지난 시간에 Struct을 통해서 Array 결과문을 확인해본다.

from google.cloud import bigquery
from tabulate import tabulate

project_id = 'your_project_id'
client = bigquery.Client(project=project_id)

temp = client.query('''
  SELECT
    [
      STRUCT('male' as gender, [930660, 3955871] as numtrips)
      , STRUCT('female' as gender, [3236735, 1260893] as numtrips) 
    ]
  ''').to_dataframe()

print(tabulate(temp, tablefmt="pipe", headers="keys"))

|    | f0_                                                                                                       |
|---:|:----------------------------------------------------------------------------------------------------------|
|  0 | [{'gender': 'male', 'numtrips': [930660, 3955871]}, {'gender': 'female', 'numtrips': [3236735, 1260893]}] |

위 구문에서 확인할 수 있는 것처럼, 하나의 Cell 성별에 다른 numtrips 정보가 담긴 것을 확인할 수 있다. 많은 정보를 담을 수는 있지만, 그러나 가독성은 당연히 떨어진다.

gender와 numtrips가 필드가 될 수 있도록 구성해보자.

그러나, 이 쿼리가 종착역이 될 수는 없다. 즉, 우리에게 익숙한 Table or JSON 형태로 다시 만들어져야 한다.

그런데, 위 구문을 UNNEST로 받으면 매우 쉽게 결과물이 나오게 된다.

temp = client.query('''
  SELECT * FROM UNNEST(
    [
      STRUCT('male' as gender, [930660, 3955871] as numtrips)
      , STRUCT('female' as gender, [3236735, 1260893] as numtrips) 
    ]
  )
  ''').to_dataframe()

print(tabulate(temp, tablefmt="pipe", headers="keys"))

|    | gender   | numtrips           |
|---:|:---------|:-------------------|
|  0 | male     | [930660, 3955871]  |
|  1 | female   | [3236735, 1260893] |

그런데, 이 때, SELECT * 에서 * 대신에 Field명을 입력하면 해당 필드만 조회되게 된다.

다음과 같이 해보자.

temp = client.query('''
  SELECT numtrips FROM UNNEST(
    [
      STRUCT('male' as gender, [930660, 3955871] as numtrips)
      , STRUCT('female' as gender, [3236735, 1260893] as numtrips) 
    ]
  )
  ''').to_dataframe()

print(tabulate(temp, tablefmt="pipe", headers="keys"))

|    | numtrips           |
|---:|:-------------------|
|  0 | [930660, 3955871]  |
|  1 | [3236735, 1260893] |

위와 같이 결과물이 나온 것을 확인할 수 있다. 이제, 실전에 들어간 준비는 끝냈다. 실전에서 어떻게 쓸 수 있을까?

다음 Chapter에서 보다 상세하게 작성을 하도록 하겠다. (Comming Soon)

4. Reference

Lakshmanan, V., & Tigani, J. (2020). Google BigQuery: the definitive guide: data warehousing, analytics, and machine learning at scale. Beijing: OReilly.