Question

我已经购买了一些笔记本电脑并继续使用DataLab。我出于各种原因，希望从我机器上的本地Jupyter笔记本中访问相同的数据。

This question提出了一些方法，到目前为止我无法开展工作。

特别是Gcloud库：

from gcloud import bigquery
client = bigquery.Client()

给我一个最后一行的堆栈跟踪：

ContextualVersionConflict: (protobuf 2.6.1 (/usr/local/lib/python2.7/dist-packages), Requirement.parse('protobuf!=3.0.0.b2.post1,>=3.0.0b2'), set(['gcloud']))

熊猫图书馆看起来很有希望：

df=pd.io.gbq.read_gbq('SELECT CCS_Category_ICD9, Gender, Admit_Month FROM [xxxxxxxx-xxxxx:xxxx_100MB_newform.xxxxxx_100MB_newform]ORDER by CCS_Category_ICD9',
                 project_id='xxxxxxxx-xxxxx')

还给我一个堆栈跟踪：

IOError: [Errno 2] No such file or directory: '/usr/local/lib/python2.7/dist-packages/httplib2-0.9.1.dist-info/METADATA'

也许我在Pandas方法上有一个auth问题，虽然我的浏览器目前正在审核该项目？还是我错过了依赖？

任何建议或指导赞赏..

从本地Jupyter笔记本中访问BigQuery数据源的最佳方法是什么？

Answer 1

根据gbq.read()的错误，可能无法正确安装httplib2。在pandas installation page上，Google BigQuery支持需要一些可选的依赖项（httplib2就是其中之一）。要重新安装/修复安装，请尝试：

pip install httplib2 --ignore-installed

安装了Google BigQuery支持的可选依赖项后，以下代码应该有效：

from pandas.io import gbq
df = gbq.read_gbq('SELECT * FROM MyDataset.MyTable', project_id='my-project-id')

Answer 2

如果您使用特定于Datalab的方式访问GCP，那么您可能希望尝试使用https://github.com/googledatalab/datalab。这将为您提供Jupyter Notebook中与Datalab兼容的功能。

Answer 3

我有同样的问题，但设法通过安装conda版本的gbq来解决它，我已经安装了anaconda分发的python所以我想如果你使用pip可能会有一些链接缺失

conda install pandas-gbq --channel conda-forge 这个命令做了业务

Answer 4

我在这里有一个示例：https://github.com/kanjih-ciandt/docker-jupyter-gcloud/blob/master/ka.ipynb

但是，基本上，您首先需要安装一些软件包：

!pip install google-cloud --user
!pip install --upgrade google-cloud-bigquery[pandas] --user
!pip install google-cloud-storage --user

如果您已经拥有服务帐户文件，只需执行此操作（替换 JSON_SERVICE_ACCOUNT_FILE ）：

import logging
import json
import os
from datetime import datetime
import pprint

from googleapiclient import discovery
from oauth2client.service_account import ServiceAccountCredentials

# Default scope to get access token
_SCOPE = 'https://www.googleapis.com/auth/cloud-platform'
from google.cloud import bigquery

client = bigquery.Client.from_service_account_json(JSON_SERVICE_ACCOUNT_FILE)
# Perform a query.
QUERY = (
    'SELECT name FROM `bigquery-public-data.usa_names.usa_1910_2013` '
    'WHERE state = "TX" '
    'LIMIT 100')
query_job = client.query(QUERY)  # API request
rows = query_job.result()  # Waits for query to finish

for row in rows:
    print(row.name)

但是，如果您可以访问某些GCP项目，但是不知道如何创建服务帐户，则可以直接在jupyter笔记本中创建该帐户：

SERVICE_ACCOUNT='jupytersa'
JSON_SERVICE_ACCOUNT_FILE = 'sa1.json'
GCP_PROJECT_ID='<GCP_PROJECT_ID>' 

import subprocess
import sys
import logging

logger = logging.Logger('catch_all')


def run_command(parameters):

    try:
        return subprocess.check_output(parameters)
    except BaseException as e: 
       logger.error(e) 
       logger.error('ERROR: Looking in jupyter console for more information')

run_command([
        'gcloud', 'iam', 'service-accounts',
        'create', SERVICE_ACCOUNT,
        '--display-name', "Service Account for BETA SCC API",
        '--project', GCP_PROJECT_ID
])


IAM_ROLES = [
    'roles/editor'
]

for role in IAM_ROLES:
    run_command([
        'gcloud', 'projects', 'add-iam-policy-binding',GCP_PROJECT_ID,
        '--member', 'serviceAccount:{}@{}.iam.gserviceaccount.com'.format(SERVICE_ACCOUNT, GCP_PROJECT_ID),
        '--quiet',  '--role', role
    ])


run_command([
        'gcloud', 'iam', 'service-accounts',
        'keys', 'create', JSON_SERVICE_ACCOUNT_FILE ,
        '--iam-account', 
        '{}@{}.iam.gserviceaccount.com'.format(SERVICE_ACCOUNT, GCP_PROJECT_ID)
])

您可以在此处找到完整的示例：https://github.com/kanjih-ciandt/docker-jupyter-gcloud/blob/master/ka.ipynb

最后，如果要从Docker执行此笔记本，则可以使用以下图像：https://cloud.docker.com/u/hkanjih/repository/docker/hkanjih/docker-jupyter-gcloud

从本地Jupyter笔记本中访问Google BigQuery数据

4 个答案: