使用 Pandas 从 Cloud DataLab 访问 Big Query
Accessing Big Query from Cloud DataLab using Pandas
我有一个使用 Pandas 作为载体访问 Big Query 的 Jypyter Notebook:
df = pd.io.gbq.read_gbq( query, project_id = 'xxxxxxx-xxxx' )
这在我的本地机器上运行良好! (太好了,事实上!)
但是当我将同一个笔记本加载到 Cloud DataLab 时,我得到:
DistributionNotFound: google-api-python-client
这似乎有点令人失望!我相信该模块应该与 Pandas.. 一起安装,但不知何故 Google 不包括它?
出于多种原因,最好不必将代码从我们在本地机器上开发的代码更改为 Cloud DataLab 中所需的代码,在这种情况下,我们大量参数化数据访问...
好的我运行:
!pip install --upgrade google-api-python-client
现在,当我 运行 笔记本时,我收到一个我无法解析的身份验证提示,因为 DataLab 在远程机器上:
Your browser has been opened to visit:
>>> Browser string>>>>
If your browser is on a different machine then exit and re-run this
application with the command-line parameter
--noauth_local_webserver
没有看到明显的答案?
更新 google-api-python-client 后,我在同一个笔记本中使用@Anthonios Partheniou 下面建议的代码(在单元块中执行)在笔记本中
我得到了以下回溯:
TypeError Traceback (most recent call last)
<ipython-input-3-038366843e56> in <module>()
5 scope='https://www.googleapis.com/auth/bigquery',
6 redirect_uri='urn:ietf:wg:oauth:2.0:oob')
----> 7 storage = Storage('bigquery_credentials.dat')
8 authorize_url = flow.step1_get_authorize_url()
9 print 'Go to the following link in your browser: ' + authorize_url
/usr/local/lib/python2.7/dist-packages/oauth2client/file.pyc in __init__(self, filename)
37
38 def __init__(self, filename):
---> 39 super(Storage, self).__init__(lock=threading.Lock())
40 self._filename = filename
41
TypeError: object.__init__() takes no parameters
他提到需要从同一文件夹执行笔记本,但我知道执行数据实验室笔记本的唯一方法是通过存储库?
虽然使用新的 Jupyter Datalab 模块的新模块是一个可能的替代方案在本地和 DataLab 实例上使用完整 Pandas BQ 接口不变的能力将非常有帮助!所以用我的手指寻求解决方案!
pip installed:
GCPDataLab 0.1.0
GCPData 0.1.0
wheel 0.29.0
tensorflow 0.6.0
protobuf 3.0.0a3
oauth2client 1.4.12
futures 3.0.3
pexpect 4.0.1
terminado 0.6
pyasn1 0.1.9
jsonschema 2.5.1
mistune 0.7.2
statsmodels 0.6.1
path.py 8.1.2
ipython 4.1.2
nose 1.3.7
MarkupSafe 0.23
py-dateutil 2.2
pyparsing 2.1.1
pickleshare 0.6
pandas 0.18.0
singledispatch 3.4.0.3
PyYAML 3.11
nbformat 4.0.1
certifi 2016.2.28
notebook 4.0.2
cycler 0.10.0
scipy 0.17.0
ipython-genutils 0.1.0
pyasn1-modules 0.0.8
functools32 3.2.3-2
ipykernel 4.3.1
pandocfilters 1.2.4
decorator 4.0.9
jupyter-core 4.1.0
rsa 3.4.2
mock 1.3.0
httplib2 0.9.2
pytz 2016.3
sympy 0.7.6
numpy 1.11.0
seaborn 0.6.0
pbr 1.8.1
backports.ssl-match-hostname 3.5.0.1
ggplot 0.6.5
simplegeneric 0.8.1
ptyprocess 0.5.1
funcsigs 0.4
scikit-learn 0.16.1
traitlets 4.2.1
jupyter-client 4.2.2
nbconvert 4.1.0
matplotlib 1.5.1
patsy 0.4.1
tornado 4.3
python-dateutil 2.5.2
Jinja2 2.8
backports-abc 0.4
brewer2mpl 1.4.1
Pygments 2.1.3
结束
Google pandas 中的 BigQuery 身份验证通常很简单,除非在远程服务器上执行 pandas 代码。例如,在云中的 Datalab 上 运行ning pandas。在这种情况下,请使用以下代码创建 pandas 访问 Google Datalab 中的 Google BigQuery 所需的凭据文件。
from oauth2client.client import OAuth2WebServerFlow
from oauth2client.file import Storage
flow = OAuth2WebServerFlow(client_id='<Client ID from Google API Console>',
client_secret='<Client secret from Google API Console>',
scope='https://www.googleapis.com/auth/bigquery',
redirect_uri='urn:ietf:wg:oauth:2.0:oob')
storage = Storage('bigquery_credentials.dat')
authorize_url = flow.step1_get_authorize_url()
print 'Go to the following link in your browser: ' + authorize_url
code = raw_input('Enter verification code: ')
credentials = flow.step2_exchange(code)
storage.put(credentials)
完成该过程后,我预计您不会看到错误(只要笔记本与新创建的 'bigquery_credentials.dat'
文件位于同一文件夹中)。
您还需要安装 google-api-python-client
python 软件包,因为它 required by pandas 用于 Google BigQuery 支持。您可以 运行 在笔记本中安装以下任一程序。
或者
!pip install google-api-python-client --no-deps
!pip install uritemplate --no-deps
!pip install simplejson --no-deps
或
%%bash
pip install google-api-python-client --no-deps
pip install uritemplate --no-deps
pip install simplejson --no-deps
需要 --no-deps
选项,这样您就不会意外更新默认安装在 datalab 中的 python 包(以确保 datalab 的其他部分不会损坏)。
注意:使用 pandas 0.19.0(尚未发布),在 Google Cloud Datalab 中使用 pandas 会容易得多。参见 Pull Request #13608
注意:您还可以选择在 jupyter 中使用(新的)google datalab 模块(这样代码也可以在云端的 Google Datalab 中运行)。请参阅以下相关堆栈溢出答案:
我有一个使用 Pandas 作为载体访问 Big Query 的 Jypyter Notebook:
df = pd.io.gbq.read_gbq( query, project_id = 'xxxxxxx-xxxx' )
这在我的本地机器上运行良好! (太好了,事实上!) 但是当我将同一个笔记本加载到 Cloud DataLab 时,我得到:
DistributionNotFound: google-api-python-client
这似乎有点令人失望!我相信该模块应该与 Pandas.. 一起安装,但不知何故 Google 不包括它? 出于多种原因,最好不必将代码从我们在本地机器上开发的代码更改为 Cloud DataLab 中所需的代码,在这种情况下,我们大量参数化数据访问...
好的我运行:
!pip install --upgrade google-api-python-client
现在,当我 运行 笔记本时,我收到一个我无法解析的身份验证提示,因为 DataLab 在远程机器上:
Your browser has been opened to visit:
>>> Browser string>>>>
If your browser is on a different machine then exit and re-run this
application with the command-line parameter
--noauth_local_webserver
没有看到明显的答案?
更新 google-api-python-client 后,我在同一个笔记本中使用@Anthonios Partheniou 下面建议的代码(在单元块中执行)在笔记本中 我得到了以下回溯:
TypeError Traceback (most recent call last)
<ipython-input-3-038366843e56> in <module>()
5 scope='https://www.googleapis.com/auth/bigquery',
6 redirect_uri='urn:ietf:wg:oauth:2.0:oob')
----> 7 storage = Storage('bigquery_credentials.dat')
8 authorize_url = flow.step1_get_authorize_url()
9 print 'Go to the following link in your browser: ' + authorize_url
/usr/local/lib/python2.7/dist-packages/oauth2client/file.pyc in __init__(self, filename)
37
38 def __init__(self, filename):
---> 39 super(Storage, self).__init__(lock=threading.Lock())
40 self._filename = filename
41
TypeError: object.__init__() takes no parameters
他提到需要从同一文件夹执行笔记本,但我知道执行数据实验室笔记本的唯一方法是通过存储库?
虽然使用新的 Jupyter Datalab 模块的新模块是一个可能的替代方案在本地和 DataLab 实例上使用完整 Pandas BQ 接口不变的能力将非常有帮助!所以用我的手指寻求解决方案!
pip installed:
GCPDataLab 0.1.0
GCPData 0.1.0
wheel 0.29.0
tensorflow 0.6.0
protobuf 3.0.0a3
oauth2client 1.4.12
futures 3.0.3
pexpect 4.0.1
terminado 0.6
pyasn1 0.1.9
jsonschema 2.5.1
mistune 0.7.2
statsmodels 0.6.1
path.py 8.1.2
ipython 4.1.2
nose 1.3.7
MarkupSafe 0.23
py-dateutil 2.2
pyparsing 2.1.1
pickleshare 0.6
pandas 0.18.0
singledispatch 3.4.0.3
PyYAML 3.11
nbformat 4.0.1
certifi 2016.2.28
notebook 4.0.2
cycler 0.10.0
scipy 0.17.0
ipython-genutils 0.1.0
pyasn1-modules 0.0.8
functools32 3.2.3-2
ipykernel 4.3.1
pandocfilters 1.2.4
decorator 4.0.9
jupyter-core 4.1.0
rsa 3.4.2
mock 1.3.0
httplib2 0.9.2
pytz 2016.3
sympy 0.7.6
numpy 1.11.0
seaborn 0.6.0
pbr 1.8.1
backports.ssl-match-hostname 3.5.0.1
ggplot 0.6.5
simplegeneric 0.8.1
ptyprocess 0.5.1
funcsigs 0.4
scikit-learn 0.16.1
traitlets 4.2.1
jupyter-client 4.2.2
nbconvert 4.1.0
matplotlib 1.5.1
patsy 0.4.1
tornado 4.3
python-dateutil 2.5.2
Jinja2 2.8
backports-abc 0.4
brewer2mpl 1.4.1
Pygments 2.1.3
结束
Google pandas 中的 BigQuery 身份验证通常很简单,除非在远程服务器上执行 pandas 代码。例如,在云中的 Datalab 上 运行ning pandas。在这种情况下,请使用以下代码创建 pandas 访问 Google Datalab 中的 Google BigQuery 所需的凭据文件。
from oauth2client.client import OAuth2WebServerFlow
from oauth2client.file import Storage
flow = OAuth2WebServerFlow(client_id='<Client ID from Google API Console>',
client_secret='<Client secret from Google API Console>',
scope='https://www.googleapis.com/auth/bigquery',
redirect_uri='urn:ietf:wg:oauth:2.0:oob')
storage = Storage('bigquery_credentials.dat')
authorize_url = flow.step1_get_authorize_url()
print 'Go to the following link in your browser: ' + authorize_url
code = raw_input('Enter verification code: ')
credentials = flow.step2_exchange(code)
storage.put(credentials)
完成该过程后,我预计您不会看到错误(只要笔记本与新创建的 'bigquery_credentials.dat'
文件位于同一文件夹中)。
您还需要安装 google-api-python-client
python 软件包,因为它 required by pandas 用于 Google BigQuery 支持。您可以 运行 在笔记本中安装以下任一程序。
或者
!pip install google-api-python-client --no-deps
!pip install uritemplate --no-deps
!pip install simplejson --no-deps
或
%%bash
pip install google-api-python-client --no-deps
pip install uritemplate --no-deps
pip install simplejson --no-deps
需要 --no-deps
选项,这样您就不会意外更新默认安装在 datalab 中的 python 包(以确保 datalab 的其他部分不会损坏)。
注意:使用 pandas 0.19.0(尚未发布),在 Google Cloud Datalab 中使用 pandas 会容易得多。参见 Pull Request #13608
注意:您还可以选择在 jupyter 中使用(新的)google datalab 模块(这样代码也可以在云端的 Google Datalab 中运行)。请参阅以下相关堆栈溢出答案: