您必须在分配的时间段内完成一系列任务。您会获得一个场景和一系列任务，而不是按照分步说明进行操作。您需要自行找到完成任务的方法！自动评分系统（显示在本页中）会提供有关您是否正确完成任务的反馈。
要获得 100% 的分数，您必须在该时间段内完成所有任务！
在您参加实验室挑战赛期间，我们不会再教授 Google Cloud 的概念知识。请利用从本实验室挑战赛所属课程中的各个实验里学到的技能，为即将呈现的挑战构建适合的解决方案。在本挑战赛中，您需要拓展所学技能，并更正无法正常运行的查询。
我们建议已报名参加
从 BigQuery 数据中挖掘数据洞见
技能徽章课程的学员参加此实验室挑战赛。准备好接受挑战了吗？
设置和要求
点击“开始实验”按钮前的注意事项
请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击
开始实验
后即开始计时，显示 Google Cloud 资源可供您使用多长时间。
此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。我们会为您提供新的临时凭据，让您可以在实验规定的时间内用来登录和访问 Google Cloud。
为完成此实验，您需要：
能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。
注意
：请使用无痕模式或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。
完成实验的时间 - 请注意，实验开始后无法暂停。
注意
：如果您已有自己的个人 Google Cloud 账号或项目，请不要在此实验中使用，以避免您的账号产生额外的费用。
您是公共卫生组织的成员，负责确定与新型冠状病毒肺炎 (COVID-19) 疫情相关的查询的解答。获得正确的解答将有助于该组织妥善规划并汇聚医疗力量，为认知引导计划做好规划并加以关注。
用于本次分析的数据集和表如下所示：
bigquery-public-data.covid19_open_data.covid19_open_data
。此存储库包含全球范围内与 COVID-19 相关的每日时间序列数据的数据集（国家/地区层级），其中包括与人口统计学特征、经济、流行病学、地理位置、健康、住院治疗、流动性、政府响应和天气有关的数据。
任务 1. 确诊病例总数
构建一个查询，以解答“
这一天的确诊病例总数是多少？”该查询需要以单行返回结果，其中包含所有国家/地区确诊病例数的总和。该列的名称应为
total_cases_worldwide
。
要引用的列：
cumulative_confirmed
点击“检查我的进度”
，验证已完成以下目标：
确诊病例总数
任务 2. 受影响最严重的区域
构建一个查询，以解答“
这一天，美国有多少州的死亡人数超过
？”该查询需要在
count_of_states
字段中列出输出结果。
注意
：请勿包括 Null 值。
要引用的列：
country_name
subregion1_name（州信息）
cumulative_deceased
点击“检查我的进度”
，验证已完成以下目标：
受影响最严重的区域
任务 3. 确定热点
构建一个查询，以解答“列出
这一天美国确诊病例数超过
的所有州？”该查询需返回州名和对应的确诊病例数，并以降序排列。需要返回的字段名称：
state
和
total_confirmed_cases
。
要引用的列：
country_code
subregion1_name（州信息）
cumulative_confirmed
点击“检查我的进度”
，验证已完成以下目标：
任务 4. 死亡率
构建一个查询，以解答“2020 年
月，意大利的病死率是多少？”病死率在此处的定义为：（总死亡人数/确诊病例总数）* 100%。
编写查询，以返回 2020 年
月的病死率，并在输出中包含以下字段：
total_confirmed_cases
、
total_deaths
、
case_fatality_ratio
。
要引用的列：
country_name
cumulative_confirmed
cumulative_deceased
点击“检查我的进度”
，验证已完成以下目标：
任务 5. 确定具体日期
构建一个查询，以解答“意大利的总死亡人数在哪一天超过了
？”该查询应以
yyyy-mm-dd
格式返回日期。
要引用的列：
country_name
cumulative_deceased
点击“检查我的进度”
，验证已完成以下目标：
任务 6. 找出哪些天的新增病例数为零
编写以下查询，以确定在
至
期间，印度确诊病例数零增长的天数。不过此查询无法正常执行。
您需要更新该查询才能完成查询，并获得结果：
WITH india_cases_by_date AS (
SELECT
date,
SUM(cumulative_confirmed) AS cases
`bigquery-public-data.covid19_open_data.covid19_open_data`
WHERE
country_name="India"
AND date between '{{{project_0.startup_script.start_date_india_code}}}' and '{{{project_0.startup_script.close_date_india_code}}}'
GROUP BY
ORDER BY
date ASC
, india_previous_day_comparison AS
(SELECT
date,
cases,
LAG(cases) OVER(ORDER BY date) AS previous_day,
cases - LAG(cases) OVER(ORDER BY date) AS net_new_cases
FROM india_cases_by_date
点击“检查我的进度”
，验证已完成以下目标：
找出哪些天的新增病例数为零
任务 7. 翻倍率
使用上一个查询作为模板，编写一个查询，找出在 2020 年 3 月 22 日至 2020 年 4 月 20 日期间，美国有哪些天的确诊病例数与前一天相比增加了
％ 以上（表示大约 7 天的翻倍率）。该查询需要返回日期列表、当天的确诊病例数，前一天的确诊病例数以及这两天确诊病例数增加的百分比。
返回的字段应使用以下名称：
Date
、
Confirmed_Cases_On_Day
、
Confirmed_Cases_Previous_Day
和
Percentage_Increase_In_Cases
。
点击“检查我的进度”
，验证已完成以下目标：
任务 8. 恢复率
构建一个查询，以列出 2020 年 5 月 10 日这一天相关国家/地区的恢复率（按降序排列，限制为
条）。
将查询范围限定为仅查询确诊病例数超过 5 万的国家/地区。
该查询需要返回以下字段：
country
、
recovered_cases
、
confirmed_cases
、
recovery_rate
。
要引用的列：
* country_name
* cumulative_confirmed
* cumulative_recovered
点击“检查我的进度”
，验证已完成以下目标：
任务 9. CDGR - 累计每日增长率
以下查询试图计算自报道首例病例以来，法国在
的累计每日增长率。首例病例报道于 2020 年 1 月 24 日。
CDGR 的计算方式为：
((last_day_cases/first_day_cases)^1/days_diff)-1)
last_day_cases
是 2020 年 5 月 10 日的确诊病例数
first_day_cases
是 2020 年 1 月 24 日的确诊病例数
days_diff
是 2020 年 1 月 24 日至 2020 年 5 月 10 日之间的天数
此查询无法正常执行。您能否修正错误，让该查询成功执行？
france_cases AS (
SELECT
date,
SUM(cumulative_confirmed) AS total_cases
`bigquery-public-data.covid19_open_data.covid19_open_data`
WHERE
country_name="France"
AND date IN ('2020-01-24',
'{{{project_0.startup_script.date_code}}}')
GROUP BY
ORDER BY
date)
, summary as (
SELECT
total_cases AS first_day_cases,
LEAD(total_cases) AS last_day_cases,
DATE_DIFF(LEAD(date) OVER(ORDER BY date),date, day) AS days_diff
france_cases
LIMIT 1
select first_day_cases, last_day_cases, days_diff, SQRT((last_day_cases/first_day_cases),(1/days_diff))-1 as cdgr
from summary
注意
：请参阅以下
函数、运算符和条件文档
，详细了解引用“LEAD()”的 SQL 函数。
点击“检查我的进度”
，验证已完成以下目标：
CDGR - 累计每日增长率
任务 10. 创建 Looker Studio 报告
创建
Looker Studio
报告，针对美国地区绘制以下数据图表：
确诊病例数
日期范围：
赢得您的下一个技能徽章
本自学实验是
从 BigQuery 数据中挖掘数据洞见
技能徽章课程的组成部分。完成此技能徽章挑战任务可赢得上面的徽章，以表彰您取得的成就。您可以在简历和社交平台中分享自己的徽章，并使用 #GoogleCloudBadge 让大家知道您取得的这一成就。
本技能徽章课程是 Google 的
数据分析师
学习路线的组成部分。如果您已完成此学习路线中的其他技能徽章课程，可在 Google Cloud Skills Boost 目录中搜索您可以报名参加的其他技能徽章课程。
Google Cloud 培训和认证
…可帮助您充分利用 Google Cloud 技术。
我们的课程
会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项
认证
可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。
上次更新手册的时间：2024 年 3 月 27 日
上次测试实验的时间：2024 年 3 月 27 日
