> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-dbrian-docs-serverless-training-quickstart.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
> 5分でできるクイックスタートで、W&B Tablesの使い方を学びます。
# チュートリアル: 表をログし、データを可視化してクエリする
export const ColabLink = ({url}) =>
Colabで試す
;
以下のクイックスタートでは、データの表をログし、データを可視化し、データをクエリする方法を説明します。
以下のボタンを選択して、MNISTデータを使用したPyTorchのクイックスタートのサンプルプロジェクトをお試しください。
## 1. 表をログする
W\&B で表をログします。新しい表を作成することも、Pandas Dataframe を渡すこともできます。
新しい表を作成してログするには、次を使用します。
* [`wandb.init()`](/ja/models/ref/python/functions/init): 結果をトラッキングするための [run](/ja/models/runs/) を作成します。
* [`wandb.Table()`](/ja/models/ref/python/data-types/table): 新しい表 object を作成します。
* `columns`: 列名を設定します。
* `data`: 各行の内容を設定します。
* [`wandb.Run.log()`](/ja/models/ref/python/experiments/run.md/#method-runlog): 表をログして W\&B に保存します。
以下に例を示します。
```python theme={null}
import wandb
with wandb.init(project="table-test") as run:
# 新しい表を作成してログします。
my_table = wandb.Table(columns=["a", "b"], data=[["a1", "b1"], ["a2", "b2"]])
run.log({"Table Name": my_table})
```
Pandas Dataframe を `wandb.Table()` に渡して、新しい表を作成します。
```python theme={null}
import wandb
import pandas as pd
df = pd.read_csv("my_data.csv")
with wandb.init(project="df-table") as run:
# DataFrame から新しい表を作成し、
# W&B にログします。
my_table = wandb.Table(dataframe=df)
run.log({"Table Name": my_table})
```
サポートされるデータ型の詳細については、W\&B API Reference Guide の [`wandb.Table`](/ja/models/ref/python/data-types/table) を参照してください。
## 2. ワークスペースで表を可視化する
ワークスペースで生成された表を表示します。
1. W\&B App のプロジェクトにアクセスします。
2. ワークスペースで run 名を選択します。一意の表キーごとに新しいパネルが追加されます。
## 3. モデルバージョンをまたいで比較する
複数の W\&B Runs からサンプル表をログし、ワークスペースで結果を比較します。この[ワークスペースの例](https://wandb.ai/carey/table-test?workspace=user-carey)では、同じ表内で複数の異なるバージョンの行を組み合わせる方法を示します。
この例では、`my_table` はキー `"Table Name"` でログされています。
表のフィルター、並べ替え、グループ化機能を使用して、モデルの結果を調べて評価します。
