数据科学家和工程师在将 SQL 与 Python 集成到工作流中时常面临挑战。历史上，这涉及在两个环境之间进行繁琐的数据传输。Google Cloud 通过在大企业版 Colab 中引入 SQL 单元格解决了这一问题，如今正将这一功能扩展至开源生态系统，通过 %%bqsql IPython 单元格魔法实现。这使得 SQL 和 Python 代码能够在单个笔记本中无缝衔接。该流程可借助开源包（如 Jupyter、pandas 和 BigFrames）以及 BigQuery 沙盒免费完成。设置过程包括启用 BigQuery 沙盒，并配置本地 Python 环境或使用 Colab。本地数据（如美国农业部小麦数据）可加载至 pandas DataFrame 并准备进行 SQL 处理。%%bqsql 魔法使 BigQuery 能够直接查询本地 pandas DataFrame，将其视为临时表。真正的强大之处在于操作链式执行：SQL 查询结果可保存为 BigFrames DataFrame，供后续 Python 使用或进一步 SQL 转换。这种混合管道允许最优工具选择，将繁重的数据处理置于 SQL 中，而将可视化与建模置于 Python 中。通过将复杂查询分解为逻辑步骤，代码可读性得到提升，且该解决方案可无缝从本地数据扩展至海量 BigQuery 表。除 %%bqsql 外，BigFrames 还提供其他集成功能；连接计费账户可解锁高级功能，如 BQML。关于此混合体验的反馈，可通过电子邮件发送给 BigFrames 团队，或在其仓库中提交问题。