探索 Superset 中的数据

在本教程中，我们将通过探索一个包含2011年英国某组织员工航班的实际数据集，介绍 Apache Superset 的关键概念。每个航班提供以下信息：

旅客的部门。为了本教程的目的，部门已被重命名为橙色、黄色和紫色。
机票费用。
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。
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

您可能需要启用上传 CSV 或 Excel 文件到数据库的功能。以下部分解释了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并选择编辑按钮。

在弹出的模态窗口中，切换到额外标签，并勾选 允许数据上传 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，在 解析日期 字段中输入 Travel Date。

保持所有其他选项为默认设置，选择页面底部的保存。

表格可视化

您现在应该在 数据集 标签中看到 tutorial_flights 作为数据集。点击该条目以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费用。

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。在这个示例中，我们想要了解不同的旅行舱位，因此在此菜单中选择 旅行舱位。

接下来，我们可以使用指标选项指定我们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)，表示每个旅行舱位的总费用

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 Tutorial Table（您将能够通过顶部菜单中的图表屏幕再次找到它）。
选择 添加到仪表板 并输入 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。如果您按照上一节操作，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 Dashboards，然后从仪表板列表中选择 Tutorial dashboard 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。通过选择表格右下角（光标也会改变），您可以通过拖放来调整其大小。

最后，通过选择右上角的 Save changes 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，显示前六个月各部门按旅行舱位的航班支出。

通过选择右上角的 + ‣ 图表 创建一个新图表。选择 tutorial_flights 再次作为数据源，然后点击可视化类型以进入可视化菜单。选择 数据透视表 可视化（你可以通过在搜索框中输入文本来筛选），然后点击 创建新图表。

在时间部分，保持时间列为旅行日期（这会自动选择，因为我们数据集中只有一个时间列）。然后选择时间粒度为月份，因为每日数据过于细粒度，难以观察模式。接着，通过点击时间范围部分的“上周”，然后在自定义中分别选择2011年1月1日和2011年6月30日作为开始/结束日期，来选择2011年的前六个月的时间范围（可以直接输入日期或使用日历小部件，通过选择月份名称和年份，可以更快地移动到较远的日期）。

接下来，在查询部分，移除默认的 COUNT(*)，并添加成本，保持默认的 SUM 聚合。注意，Apache Superset 会通过列表左侧的符号指示指标的类型（ABC 表示字符串，# 表示数字，时钟面表示时间等）。

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，然后选择旅行类别。一切就绪 – 让我们 运行查询 来看看数据！

你应该会看到月份在行中，部门和旅行类别在列中。将此图表发布到你之前创建的教程仪表板中。

折线图

在本节中，我们将创建一个折线图，以了解整个数据集中每月机票的平均价格。

在时间部分，与之前一样，保持时间列为旅行日期，时间粒度为月份，但这次在时间范围中选择“无过滤器”，因为我们想查看整个数据集。

在指标中，移除默认的 COUNT(*) 指标，并添加 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。

这看起来如何？我们可以看到平均成本在12月上升。然而，或许将单程票和往返票合并在一起并不合理，而是应该为每种票类型显示两条单独的线。

让我们通过在分组依据框中选择单程或往返票，然后再次选择 运行查询 来实现这一点。很好！我们可以看到，平均而言，单程票比往返票便宜，12月的大幅上涨是由往返票引起的。

我们的图表看起来已经很不错了，但让我们通过进入左侧窗格中的自定义选项卡来进一步定制。在这个窗格中，尝试更改配色方案，通过在显示范围过滤器下拉菜单中选择“否”来移除范围过滤器，并使用 X 轴标签和 Y 轴标签添加一些标签。

完成后，将图表发布到你的教程仪表板中。

标记语言

在本节中，我们将在仪表板中添加一些文本。如果你已经在那里，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，将一个 Markdown 框拖放到仪表板上。寻找蓝色线条，它们指示框将放置的锚点。

现在，要编辑文本，选择该框。你可以输入文本，使用 Markdown 格式（参见这个 Markdown 速查表了解更多关于此格式的信息）。你可以通过框顶部的菜单在编辑和预览之间切换。

要退出，选择仪表板的任何其他部分。最后，别忘了使用 保存更改 保存你的修改。

发布你的仪表板

如果你已经按照上一节中的所有步骤操作，你应该有一个如下所示的仪表板。如果你愿意，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。

如果你想让你的仪表板对其他用户可用，只需在左上角的仪表板标题旁边选择“草稿”，将其更改为“已发布”状态。你还可以通过选择星星来收藏此仪表板。

注释

注释允许你为图表添加额外的上下文。在本节中，我们将添加一个在上一节中，我们制作了一个教程折线图。具体来说，我们将添加英国民航局在冰岛格里姆火山爆发期间（2011年5月23日至25日）取消某些航班的日期。

首先，通过导航到管理 ‣ 注释层来添加一个注释层。通过选择绿色加号添加新记录来添加一个新的注释层。输入名称“火山爆发”并保存。我们可以使用这个层来引用多个不同的注释。

接下来，通过导航到管理 ‣ 注释，然后通过选择绿色加号创建一个新的注释来添加一个注释。然后，选择“火山爆发”层，添加简短描述“格里姆火山”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“火山爆发”
将注释层类型更改为“事件”
将注释源设置为“Superset注释”
指定注释层为“火山爆发”

选择应用以查看图表上显示的注释。

如果愿意，您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。如果您保持默认选择以覆盖图表，您的注释将被保存到图表中，并自动出现在教程仪表板中。

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，然后可以对其应用不同的高级分析功能。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。在时间部分中，将时间范围设置为2011年10月1日至2011年10月31日。

接下来，在查询部分中，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月每天的总成本。

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中。

滚动平均

数据中有很多变化，这使得很难识别任何趋势。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子部分中，在滚动框中选择平均值，并将周期和最小周期都输入为7。周期是滚动周期的长度，表示为时间粒度的倍数。在我们的例子中，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月的前七天。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在7天基础上计算，并避免任何启动期。

通过选择运行查询显示图表后，您将看到数据的变化较小，并且系列开始较晚，因为排除了启动期。

将图表保存为教程滚动平均，并将其添加到教程仪表板中。

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，通过转到顶部菜单中的图表，然后从列表中选择可视化名称，打开教程高级分析基础图表（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，该图表有一个额外的系列，具有相同的值，时间向后偏移一周。

然后，将计算类型更改为绝对差异，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中。

数据重采样

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

接下来，在查询部分中，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月每天的总成本。

请注意，现在我们每7天只有一个数据点。在我们的例子中，显示的值对应于这七天每日数据点的中位数值。有关本节中各种选项含义的更多信息，请参阅Pandas文档。

最后，将您的图表保存为“重采样教程”，并将其添加到“教程仪表板”中。转到教程仪表板，查看四个图表并排显示，并比较不同的输出结果。