跳至主要内容
在 GitHub 上编辑此页面

在 Superset 中探索数据​

在本教程中，我们将通过探索一个真实数据集来介绍 Apache Superset 的关键概念，该数据集包含 2011 年英国一家组织的员工所乘坐的航班信息。以下是关于每个航班的信息：

  • 旅行者的部门。在本教程中，部门已重命名为橙色、黄色和紫色。
  • 机票价格。
  • 旅行舱位（经济舱、高级经济舱、商务舱和头等舱）。
  • 机票是单程还是往返。
  • 旅行日期。
  • 有关起点和终点的信息。
  • 起点和终点之间的距离（公里）。

启用数据上传功能​

您可能需要启用将 CSV 或 Excel 文件上传到数据库的功能。以下部分说明了如何在示例数据库中启用此功能。

在顶部菜单中，选择**数据 ‣ 数据库**。在列表中找到**examples** 数据库，然后选择**编辑**按钮。

在弹出的模态窗口中，切换到**额外**选项卡，并勾选**允许数据上传**的复选框。最后点击**保存**按钮。

加载 CSV 数据​

从GitHub下载 CSV 数据集到您的电脑。在 Superset 菜单中，选择**数据 ‣ 上传 CSV**。

然后，将**表名称**输入为tutorial_flights，并从您的电脑中选择 CSV 文件。

接下来，将文本Travel Date输入到**解析日期**字段中。

将所有其他选项保留在默认设置中，在页面底部选择**保存**。

表格可视化​

您现在应该在**数据集**选项卡中看到tutorial_flights作为一个数据集。点击该条目，使用此数据集启动一个探索工作流。

在本部分，我们将创建一个表格可视化，显示每个旅行舱位的航班数量和成本。

默认情况下，Apache Superset 仅显示最近一周的数据。在我们的示例中，我们希望将数据集中的所有数据可视化。点击**时间 ‣ 时间范围**部分，并将**范围类型**更改为**无过滤器**。

点击**应用**以保存。

现在，我们要使用**分组依据**选项指定表格中的行。在本示例中，我们希望了解不同的旅行舱位，因此我们在此菜单中选择**旅行舱位**。

接下来，我们可以使用**指标**选项指定希望在表格中看到的指标。

  • COUNT(*)，表示表格中的行数（在本例中，每个旅行舱位的航班数量）。
  • SUM(Cost)，表示每个旅行舱位花费的总成本。

最后，选择**运行查询**以查看表格的结果。

要保存可视化，请点击屏幕左上角的**保存**。在以下模态窗口中：

  • 选择**另存为**选项，并将图表名称输入为 Tutorial Table（您将可以通过**图表**屏幕（在顶部菜单中访问）再次找到它）。
  • 选择**添加到仪表板**，然后输入 Tutorial Dashboard。最后，选择**保存并转到仪表板**。

仪表板基础​

接下来，我们将探索仪表板界面。如果您已按照上一部分的步骤操作，则仪表板应该已经打开。否则，您可以通过在顶部菜单中选择仪表板，然后从仪表板列表中选择 Tutorial 仪表板来导航到仪表板。

在这个仪表板上，您应该看到上一部分中创建的表格。选择**编辑仪表板**，然后将鼠标悬停在表格上。通过选择表格的右下角（光标也会改变），您可以通过拖放来调整表格的大小。

最后，通过在右上角选择**保存更改**来保存您的更改。

透视表​

在本部分，我们将使用更复杂的可视化透视表来扩展我们的分析。在本部分结束时，您将创建一个表格，显示前六个月的每月航班支出，按部门和旅行舱位分类。

通过从右上角选择**+ ‣ 图表**来创建一个新图表。再次选择 tutorial_flights 作为数据源，然后点击可视化类型以进入可视化菜单。选择**透视表**可视化（您可以在搜索框中输入文本进行过滤），然后选择**创建新图表**。

在**时间**部分，将时间列保留为 Travel Date（因为我们的数据集中只有一个时间列，因此会自动选择）。然后将时间粒度选择为月份，因为使用每日数据过于精细，无法看到模式。然后，将时间范围选择为 2011 年的前六个月，方法是点击时间范围部分的“最近一周”，然后在“自定义”中分别选择 2011 年 1 月 1 日和 2011 年 6 月 30 日的开始/结束日期，方法是直接输入日期或使用日历小部件（通过选择月份名称，然后选择年份，您可以更快地移动到较远的日期）。

接下来，在**查询**部分，删除默认的 COUNT(*)，添加 Cost，保留默认的 SUM 聚合。请注意，Apache Superset 将通过左侧列表中的符号来指示指标的类型（字符串为 ABC，数字为 #，时间为时钟，等等）。

在**分组依据**中，选择**时间**：这将自动使用我们在时间部分定义的时间列和时间粒度选择。

在**列**中，首先选择 Department，然后选择 Travel Class。一切设置完毕，让我们**运行查询**以查看一些数据！

您应该在行中看到月份，在列中看到 Department 和 Travel Class。将此图表发布到您之前创建的现有 Tutorial 仪表板中。

折线图​

在本部分，我们将创建一个折线图，以了解整个数据集的每月平均票价。

在时间部分，与之前一样，将时间列保留为 Travel Date，时间粒度保留为月份，但这次，对于时间范围，选择“无过滤器”，因为我们希望查看整个数据集。

在指标中，删除默认的COUNT(*)指标，而是添加AVG(Cost)，以显示平均值。

接下来，选择**运行查询**以在图表上显示数据。

它看起来如何？我们可以看到平均成本在 12 月份上升。但是，也许将单程票和往返票组合在一起并没有意义，而应该分别显示每个票种的两条线。

让我们通过在“分组依据”框中选择“Ticket Single or Return”，然后再次选择“运行查询”来实现这一点。不错！我们可以看到，平均而言，单程票比往返票便宜，并且 12 月份的峰值是由往返票造成的。

我们的图表已经看起来很不错了，但让我们通过转到左侧窗格的“自定义”选项卡来进行更多自定义。在这个窗格中，尝试更改“颜色方案”，通过在“显示范围过滤器”下拉菜单中选择“否”来删除范围过滤器，并使用“X 轴标签”和“Y 轴标签”添加一些标签。

完成后，将图表发布到您的 Tutorial 仪表板中。

标记​

在本部分，我们将向仪表板添加一些文本。如果您已经在那里，您可以通过在顶部菜单中选择仪表板，然后从仪表板列表中选择 Tutorial 仪表板来导航到仪表板。通过选择**编辑仪表板**进入编辑模式。

在“插入组件”窗格中，将 Markdown 框拖放到仪表板上。查找指示框将放置位置的蓝色线。

现在，要编辑文本，请选择该框。您可以输入文本，使用 markdown 格式（有关此格式的更多信息，请参阅此 Markdown 速查表）。您可以使用框顶部的菜单在“编辑”和“预览”之间切换。

要退出，请选择仪表板的任何其他部分。最后，不要忘记使用**保存更改**来保存您的更改。

发布您的仪表板​

如果您已按照上一部分中概述的所有步骤操作，则您应该有一个类似于以下内容的仪表板。如果您愿意，可以通过选择**编辑仪表板**并拖放来重新排列仪表板的元素。

如果您希望将您的仪表板提供给其他用户使用，只需在左上角选择标题旁边的“草稿”，以将您的仪表板更改为“已发布”状态。您也可以通过选择星号将此仪表板设为收藏。

注释​

注释允许您向图表添加额外的上下文。在本部分，我们将向之前创建的 Tutorial Line Chart 添加一个注释。具体而言，我们将添加英国民航局在冰岛格里姆火山爆发（2011 年 5 月 23 日至 25 日）后取消部分航班的日期。

首先，通过导航到“管理 ‣ 注释层”添加一个注释层。通过选择绿色加号来添加新记录，以添加一个新的注释层。输入名称“火山爆发”，然后保存。我们可以使用此层来引用许多不同的注释。

接下来，通过导航到“管理 ‣ 注释”，然后选择绿色加号创建新注释来添加注释。然后，选择“火山爆发”层，添加简短描述“格里姆火山爆发”和爆发日期（2011 年 5 月 23 日至 25 日），最后保存。

然后，通过转到“图表”，然后从列表中选择“Tutorial Line Chart”来导航到折线图。接下来，转到“注释和层”部分，然后选择“添加注释层”。在这个对话框中：

  • 将层命名为“火山爆发”。
  • 将“注释层类型”更改为“事件”。
  • 将“注释来源”设置为“Superset 注释”。
  • 将“注释层”指定为“火山爆发”。

选择**应用**以查看图表上的注释。

如果您愿意，可以通过更改“显示配置”部分中的设置来更改注释的外观。否则，选择**确定**，最后选择**保存**以保存您的图表。如果您保留默认选择以覆盖图表，则您的注释将保存到图表中，并在 Tutorial 仪表板中自动显示。

高级分析​

在本部分，我们将探索 Apache Superset 的高级分析功能，该功能允许您对数据应用额外的转换。这三种类型的转换是：

设置基础图表

在本部分，我们将设置一个基础图表，然后我们可以将不同的**高级分析**功能应用于该图表。首先，使用相同的数据源tutorial_flights和**折线图**可视化类型创建一个新图表。在“时间”部分，将“时间范围”设置为 2011 年 10 月 1 日至 2011 年 10 月 31 日。

接下来，在“查询”部分，将指标更改为 Cost 的总和。选择**运行查询**以显示图表。您应该看到 2011 年 10 月的每天总成本。

最后，将可视化保存为 Tutorial Advanced Analytics Base，并将其添加到 Tutorial 仪表板中。

滚动均值​

数据中存在相当大的变化，这使得难以识别任何趋势。我们可以采取的一种方法是显示时间序列的滚动平均值。为此，在**高级分析**的**移动平均**小节中，在**滚动**框中选择“均值”，并在“周期”和“最小周期”中都输入 7。周期是指滚动周期的长度，表示为时间粒度的倍数。在我们的示例中，时间粒度是天，因此滚动周期是 7 天，这样一来，在 2011 年 10 月 7 日显示的值将对应于 2011 年 10 月的前七天。最后，通过将“最小周期”指定为 7，我们确保我们的均值始终基于 7 天计算，并且避免了任何上升期。

通过选择**运行查询**来显示图表后，您将看到数据变化较小，并且该系列开始的时间较晚，因为上升期已被排除在外。

将图表保存为 Tutorial Rolling Mean，并将其添加到 Tutorial 仪表板中。

时间比较​

在本节中，我们将比较时间序列中的值与一周前的值。首先，打开教程高级分析基础图表，方法是点击顶部菜单中的**图表**，然后在列表中选择可视化名称（或者，在教程仪表板中找到图表，然后从该可视化的菜单中选择探索图表）。

接下来，在**高级分析**的时间比较小节中，在时间偏移处输入“减 1 周”（注意此框接受自然语言输入）。运行查询以查看新图表，该图表具有一个具有相同值的附加序列，该序列在时间上向后偏移了一周。

然后，将**计算类型**更改为绝对差值，并选择**运行查询**。我们现在可以看到只有一个序列，这次显示了我们之前看到的两个序列之间的差值。

将图表保存为教程时间比较，并将其添加到教程仪表板中。

对数据进行重采样​

在本节中，我们将对数据进行重采样，以便我们拥有的是每周数据，而不是每天数据。与上一节一样，重新打开教程高级分析基础图表。

接下来，在**高级分析**的 Python 函数小节中，在规则处输入 7D（对应于七天），在方法处输入中位数，并通过选择**运行查询**来显示图表。

注意，我们现在每 7 天有一个数据点。在我们的例子中，显示的值对应于七个每日数据点中的中位数。有关本节中各种选项含义的更多信息，请参阅Pandas 文档。

最后，将图表保存为教程重采样，并将其添加到教程仪表板中。转到教程仪表板以并排查看四个图表，并比较不同的输出。