BigQuery BigFrames 开发规范
帮助你用 Python DataFrame API 在 BigQuery 上完成可扩展的数据分析与机器学习。
内容强调留在云端、避免未经必要的本地物化，并明确展示BigQuery读写与模型创建的数据流；但未要求用户确认成本、数据访问或模型覆盖写入，缺少敏感数据处理、最小权限、回滚和依赖安全说明，因此扣分。
主说明与线性/逻辑回归示例基本一致，覆盖了排序模式、预览、模式检查和若干API限制；但没有测试、版本锁定、异常输入处理或可诊断失败反馈，且静态审查无法复现关键路径，因此按上限保守扣分。
名称、受众和触发边界较清楚，明确区分BigFrames、SQL优先流程及bigquery客户端库，并提供数据处理和ML场景；但非适用范围、输入输出契约、中文支持和中国大陆网络可达性说明不足，BigQuery核心服务可能依赖海外可达性，因此扣分。
文档结构清晰，采用渐进式说明并提供线性/逻辑回归示例，且仓库提供Apache-2.0许可证和问题反馈入口；但缺少安装与依赖版本、兼容性、FAQ、变更日志及明确维护责任，因此扣分。
示例覆盖加载、清洗、训练、评估和预测，能直接作为常见BigFrames任务的起点，且强调避免下载大数据；但示例仅为静态代码，缺少验证结果、完整任务覆盖和替代方案比较，仍可能需要调试，因此未给满静态上限。
证据主要是技能文档中的规范和代码示例，具有一定可审计性；但没有提交测试、CI覆盖、第三方执行结果或多来源交叉验证，结论无法独立复现，因此保守评分。
- 示例使用replace=True创建模型，但未说明覆盖现有模型的确认、备份或恢复流程。
- 未提供bigframes及相关依赖的安装、版本兼容和API变更说明；运行前需自行核对当前库版本。
- BigQuery数据可能包含敏感信息，文档未说明IAM最小权限、区域、费用控制或数据驻留要求。
- 核心能力依赖Google BigQuery服务，未说明中国大陆网络可达性或离线替代方案。
这个 Skill 能做什么，适合哪些场景？
该技能为 BigFrames（BigQuery DataFrames）提供 Python 编码规范，面向熟悉 pandas 或 scikit-learn 风格 API 的用户。它强调让数据清洗、转换和分析留在 BigQuery 中执行，避免不必要的本地数据下载。内容覆盖 DataFrame 操作、预览、模式检查、可视化以及 BigQuery ML。它不适用于 SQL 优先流程或直接使用 google-cloud-bigquery 客户端库的任务。
生成使用 bigframes.pandas 的 Python 代码，并建议启用 partial ordering、使用 peek() 预览数据、通过 dtypes 和 display() 检查结果，以及尽量直接从 BigFrames 对象绘图。它指导用户优先使用 DataFrame/Series 方法和内置访问器，避免不必要的 to_pandas()、UDF 和 lambda。机器学习部分使用 bigframes.bigquery.ml；只有用户明确要求时才使用旧版 bigframes.ml，并说明预测、PCA、ARIMA Plus 和模型持久化的特殊规则。
- 数据分析师希望在 notebook 中以 pandas 风格处理 BigQuery 中的大型数据集，而不把完整数据下载到本地。
- Python 开发者需要使用 BigFrames DataFrame API 完成数据清洗、转换和分析。
- 机器学习开发者希望把回归或分类训练委托给 BigQuery 的可扩展 ML 引擎。
- 分析人员需要从 BigFrames 数据直接生成 Matplotlib 或 Seaborn 可视化，并在数据过大时先聚合或抽样。
- 维护旧版 BigFrames ML 项目的开发者需要遵循其预测、调参和模型保存限制。
这个 Skill 有哪些优点和局限？
- 针对 BigFrames DataFrame API 提供了具体、可执行的编码规范。
- 明确强调 BigQuery 端执行、延迟查询和避免本地内存溢出。
- 覆盖数据处理、模式验证、可视化和 BigQuery ML。
- 同时记录了旧版 BigFrames ML 的兼容性注意事项。
- 源材料未提供 BigFrames 或 BigQuery 的安装、认证、权限和版本说明。
- 源材料未提供测试套件或平台验证信息。
- 不适合 SQL 优先工作流或直接使用 google-cloud-bigquery 客户端库。
- 部分建议依赖 BigFrames 的具体 API 行为，未提供完整 API 参考。
如何安装这个 Skill？
使用仓库 README 提供的命令安装技能集合：npx skills add google/skills。安装时可选择该仓库中的具体技能。源材料未说明 BigFrames、Python 或 BigQuery 的具体安装、版本、认证和权限配置。
如何使用这个 Skill？
将该技能安装到兼容 Agent Skills 的客户端后，可提出类似“请用 BigFrames 在 BigQuery 中清洗并分析这份数据，避免下载完整数据到本地”的请求。涉及机器学习时，可明确要求使用 bigframes.bigquery.ml；只有需要旧版接口时才明确要求使用 bigframes.ml。
这个 Skill 与同类方案有什么区别？
与 SQL 优先流程和 google-cloud-bigquery 客户端库相比，该技能要求优先使用 BigFrames DataFrame/Series API；README 指向 bigquery-basics 作为另一类工作流的技能。