![]() | |
Apa 10 Ltr Air Cooler 1200cmh - PutihHadirkan kesejukan di ruangan Anda dengan air cooler dari APA. Penyejuk udara ini dilengkapi dengan kapasitas kontainer air sebesar 10 liter yang ideal untuk kebutuhan harian keluarga Anda. 3 pilihan kecepatan kipas dapat Anda pilih dengan mudah, lengkap dengan 4 pilihan mode yaitu ionizer, humidifier, swing, atau cool sesuai dengan kebutuhan Anda. Pilihan timer dapat mempermudah Anda mengatur jadwal operasi dari alat ini. Free Klik Disini ! |
BigQuery adalah cloud data warehouse (CDW) yang memungkinkan Anda menjalankan kueri yang super cepat terhadap set data besar.
Anda dapat mengekspor data sesi dan hit dari account Google Analytics ke BigQuery, lalu menggunakan sintaks mirip SQL untuk menjalankan kueri terhadap semua data Analytics.
Menariknya BigQuery cukup mudah dipelajari terutama bagi kamu yang sudah familiar dengan bahasa SQL, menggunakan tools BigQuery hanya tinggal penyesuaian saja.
Baca detailnya di sini : Mengenal Bigquery
BigQuery mendukung bahasa python. Ada dua cara utama untuk mengolah data BigQuery dengan Python.
Berikut beberapa contoh cara mengolah data BigQuery dengan Python:
from google.cloud import bigqueryclient = bigquery.Client()
query = """
SELECT *
FROM `my_dataset.my_table`
"""job_config = bigquery.QueryJobConfig()
job_config.query = queryjob = client.query(query, job_config=job_config)
results = job.result()
for row in results:
print(row)
from google.cloud import bigqueryclient = bigquery.Client()
dataset_ref = client.dataset("my_dataset")
table_ref = dataset_ref.table("my_table")data = [
{"name": "John Doe", "age": 30},
{"name": "Jane Doe", "age": 25},
]client.insert_rows(table_ref, data)
from google.cloud import bigqueryclient = bigquery.Client()
dataset_ref = client.dataset("my_dataset")
table_ref = dataset_ref.table("my_table")query = """
SELECT *
FROM `my_dataset.my_table`
"""job_config = bigquery.QueryJobConfig()
job_config.query = queryjob = client.query(query, job_config=job_config)
results = job.result()
with open("output.csv", "w") as f:
for row in results:
f.write(row)