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 中的关键概念，该数据集包含 2011 年一家英国组织的员工所做的航班。关于每次航班的以下信息：

  • 旅行者的部门。在本教程中，部门已更名为橙色、黄色和紫色。
  • 机票的成本。
  • 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。
  • 有关出发地和目的地的信息。
  • 出发地和目的地之间的距离，以公里 (km) 为单位。

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。以下部分说明如何为示例数据库启用此功能。

在顶部菜单中，选择数据‣数据库。在列表中找到示例数据库，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 数据集到您的计算机。在 Superset 菜单中，选择数据‣上传 CSV。

然后，将表名输入为tutorial_flights，并从您的计算机中选择 CSV 文件。

接下来，将文本旅行日期输入解析日期字段。

将所有其他选项保留在默认设置中，选择页面底部的保存。

表格可视化​

您现在应该在数据集选项卡中看到tutorial_flights作为数据集。点击该条目，使用此数据集启动探索工作流程。

在本节中，我们将创建一个表格可视化，以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，我们希望可视化数据集中的所有数据。点击时间‣时间范围部分，并将范围类型更改为无过滤器。

点击应用保存。

现在，我们希望通过使用分组依据选项来指定表格中的行。由于在本示例中，我们希望了解不同的旅行舱位，因此我们在该菜单中选择旅行舱位。

接下来，我们可以使用指标选项指定我们希望在表格中看到的指标。

  • COUNT(*)，代表表格中的行数（在本例中，每个旅行舱位的航班数量）
  • SUM(Cost)，代表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。在接下来的模态窗口中，

  • 选择另存为选项，并将图表名称输入为教程表格（您将能够通过图表屏幕（可在顶部菜单中访问）再次找到它）。
  • 选择添加到仪表板并输入教程仪表板。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。如果您已完成上一节，您应该已经打开了仪表板。否则，您可以通过选择顶部菜单中的仪表板，然后从仪表板列表中选择教程仪表板来导航到仪表板。

在这个仪表板上，您应该看到上一节中创建的表格。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，通过选择右上角的保存更改来保存您的更改。

透视表​

在本节中，我们将使用更复杂的可视化透视表来扩展我们的分析。在本节结束时，您将创建一个表格，该表格显示前六个月的每月航班支出，按部门划分，按旅行舱位划分。

通过选择右上角的+‣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（您可以通过在搜索框中输入文本来过滤），然后选择创建新图表。

在时间部分，将时间列保留为旅行日期（这是自动选择的，因为我们的数据集中只有一个时间列）。然后选择时间粒度为月，因为拥有每日数据对于查看模式来说过于细化。然后选择时间范围为 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更远的日期）。

接下来，在查询部分，删除默认的 COUNT(*) 并添加 Cost，保留默认的 SUM 聚合。请注意，Apache Superset 将通过左侧列中的符号来指示指标的类型（ABC 代表字符串，# 代表数字，时钟代表时间等）。

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，首先选择部门，然后选择旅行舱位。一切就绪 - 让我们运行查询以查看一些数据！

您应该在行中看到月份，在列中看到部门和旅行舱位。将此图表发布到您之前创建的现有教程仪表板中。

折线图​

在本节中，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，将时间列保留为旅行日期，时间粒度为月，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。

看起来怎么样？好吧，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合并在一起没有意义，而是分别显示每种票类型的两条单独的线。

让我们通过在分组依据框中选择单程票或往返票来做到这一点，然后再次选择运行查询。不错！我们可以看到，平均而言，单程票比往返票便宜，而且 12 月份的巨大涨幅是由往返票造成的。

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，将图表发布到您的教程仪表板中。

标记​

在本节中，我们将向仪表板添加一些文本。如果您已经在那里，您可以通过选择顶部菜单中的仪表板，然后从仪表板列表中选择教程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。寻找指示框将放置的锚点的蓝色线。

现在，要编辑文本，请选择该框。您可以输入文本，以 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​

如果您已完成上一节中概述的所有步骤，您应该有一个看起来像下面的仪表板。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。

如果您想让其他用户访问您的仪表板，只需在左上角仪表板标题旁边的“草稿”上选择，即可将您的仪表板更改为“已发布”状态。您也可以通过选择星形来收藏此仪表板。

注释​

注释允许您为图表添加更多上下文。在本节中，我们将为之前部分创建的教程折线图添加注释。具体来说，我们将添加英国民航局在应对冰岛格里姆火山喷发（2011 年 5 月 23 日至 25 日）时取消航班的日期。

首先，通过导航到“管理”‣“注释层”添加注释层。通过选择绿色加号添加新记录来添加新的注释层。输入名称“火山喷发”并保存。我们可以使用此层来引用多个不同的注释。

接下来，通过导航到“管理”‣“注释”添加注释，然后通过选择绿色加号创建一个新的注释。然后，选择“火山喷发”层，添加简短描述“格里姆火山”和喷发日期（2011 年 5 月 23 日至 25 日），最后保存。

然后，通过转到“图表”并从列表中选择“教程折线图”来导航到折线图。接下来，转到“注释和层”部分并选择“添加注释层”。在此对话框中

  • 将层命名为“火山喷发”。
  • 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“火山喷发”。

选择**应用**以查看图表上显示的注释。

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**以保存图表。如果您保留默认选择以覆盖图表，您的注释将保存到图表中，并且还会自动显示在“教程仪表板”中。

高级分析​

在本节中，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。三种类型的转换是

设置基础图表

在本节中，我们将设置一个基础图表，然后可以将不同的**高级分析**功能应用于该图表。首先使用相同的tutorial_flights数据源和**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“成本”的总和。选择**运行查询**以显示图表。您应该看到 2011 年 10 月每个月的每日总成本。

最后，将可视化保存为“教程高级分析基础”，并将其添加到“教程仪表板”。

滚动平均值​

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**移动平均值**子部分中，在**滚动**框中选择“平均值”，并在“周期”和“最小周期”中都输入 7。周期是滚动周期的长度，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，因此在 2011 年 10 月 7 日，显示的值将对应于 2011 年 10 月的前 7 天。最后，通过将“最小周期”指定为 7，我们确保我们的平均值始终基于 7 天计算，并且避免任何上升期。

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

将图表保存为“教程滚动平均值”，并将其添加到“教程仪表板”。

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，方法是转到顶部菜单中的**图表**，然后从列表中选择可视化名称（或者，在“教程仪表板”中找到图表，并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”子部分中，通过输入“减去 1 周”来输入“时间偏移”（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系列，该系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**。我们现在只能看到一个系列，这次显示了我们之前看到的两个系列之间的差异。

将图表保存为“教程时间比较”，并将其添加到“教程仪表板”。

对数据进行重采样​

在本节中，我们将对数据进行重采样，以便不再拥有每日数据，而是拥有每周数据。与上一节类似，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”子部分中，在“规则”中输入 7D（对应于 7 天），在“方法”中输入“中位数”，并通过选择**运行查询**来显示图表。

请注意，现在我们每 7 天有一个数据点。在我们的案例中，显示的值对应于 7 个每日数据点内的中位数。有关此部分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”。转到教程仪表板，以并排查看四个图表并比较不同的输出。