superset使用教程（2）

 

目录

 

创建你的第一个仪表盘

连接到一个新的数据库

增加一个新表

研究你的数据

创建切片和仪表盘

利用Apache Superset探索数据

启用上传csv文件的功能

获得并加载数据

表可视化

仪表盘基础

数据透视表

折线图

标记

过滤箱

发布仪表盘

完善仪表盘

注释

高级分析

---

创建你的第一个仪表盘

本教程的目标用户是希望在Superset中创建图表和仪表板的人。我们将向您展示如何将Superset连接到新数据库并在该数据库中配置表以进行分析。您还将探索已公开的数据，并将可视化表添加到仪表板中，以便获得端到端用户体验。

官网地址：http://superset.apache.org/

连接到一个新的数据库

我们假设您已经配置了一个数据库，并且可以从运行Superset的实例连接到它。如果您只是在测试Superset，并且想浏览示例数据，那么可以将一些示例PostgreSQL数据集加载到一个新的数据库中，或者配置我们在这里使用的示例天气数据。

在“Sources”菜单下，选择“Databases ”选项

在生成的页面上，单击右上角附近的绿色加号：

您可以在此页上配置许多高级选项，但对于本演练，您只需要执行两项操作：

命名数据库连接：

提供SQLAlchemy连接URI并测试连接：

这个例子显示了我们的测试天气数据库的连接字符串。如URI下面的文本所述，您应该参考SQLAlchemy文档，了解如何为目标数据库创建新的连接URI。

单击“测试连接”按钮以确认工作是否结束。一旦Superset能够成功连接和验证，您应该会看到这样的弹出窗口：

此外，您还应该在页面底部看到可以从连接到的schcma中读取的Superset列表：

如果连接良好，请单击页面底部的“Save”按钮保存配置：

增加一个新表

现在你已经配好了一个数据库，你想要查询一张表，那么就要添加一张具体的表到Superset。

在“Sources”菜单下，选择“Tables”选项

在生成的页面上，单击左上角附近的绿色加号：

只需要几条信息即可将新表添加到Superset：

表的名字：

数据库下拉菜单中的目标数据库（即刚才添加的数据库）

数据库模式（可选）。如果表存在于“默认”模式中（例如PostgreSQL或RealSHIFT中的公共模式），则可以将架构字段保留为空白。

点击保存按钮保存配置

当重定向回表列表时，您将看到一条消息，指示您的表已创建：

此消息还指示您编辑表配置。我们现在将编辑配置的有限部分-只是让您开始-剩下的部分留给更高级的教程。

单击已创建表旁边的“编辑”按钮：

在生成的页面上，单击列表列选项卡。在这里，您将定义在探索数据时使用表的特定列的方式。我们将浏览这些选项来描述它们的用途：

如果希望用户按特定字段对度量进行分组，请将其标记为Groupable。

如果需要对特定字段进行筛选，请将其标记为Filterable。

这个领域是不是你想知道的？选中 Count Distinct框。

这是要求和的度量，还是要获取基本摘要统计信息？Sum、Min和Max列将有所帮助。

对于任何日期或时间字段，都应该检查is temporal字段。我们将在稍后的分析中讨论这一点。

以下是我们如何为天气数据配置字段的方法。即使对于天气测量（降水量、降雪量等）这样的测量，也可以根据这些值进行分组和筛选：

与上面的配置一样，单击“保存”按钮保存这些设置。

研究你的数据

要开始浏览数据，只需在可用表列表中单击刚刚创建的表名：

默认情况下，您将看到一个表视图：

让我们遍历一个基本查询以获取表中所有记录的计数。首先，我们需要更改Since过滤器来捕获数据的范围。您可以使用简单的短语来应用这些过滤器，如“3年前”：

时间的上限Until过滤器默认为“now”，这可能是您想要的，也可能不是您想要的。

查找GROUP BY标题下的Metrics部分，并开始键入“Count”-您将看到与您键入的内容匹配的度量列表：

选择COUNT（*）度量，然后单击explore顶部附近的绿色查询按钮：

您将会看到该的查询结果：

让我们按天气描述字段对其进行分组，通过将其添加到“按区域分组”来按记录的天气类型获取记录计数：

开始查询，点击Query：

让我们找到一个更有用的数据点：2015年记录最高气温的前10次和地点。

我们将天气描述替换为经纬度和测量日期，按部分分组：

并且max__measurement_flag代替COUNT(*)：

当我们检查Max 下的Box并在RealthMyFieldField字段旁边时，创建了Max度量度量标志，表示这个字段是数字的，并且当按特定字段分组时，我们希望找到它的最大值。

在我们的例子中，measurement_flag 是所采取的测量值，这显然取决于测量的类型（研究人员记录了降水量和温度的不同值）。因此，我们必须过滤查询结果记录中weather_description 等于“最高温度”的记录中筛选查询，这在探索底部的过滤器部分中进行：

最后，由于我们只关心前10个度量，因此我们使用Options标题下的Row limit选项将结果限制为10条记录：

我们点击查询得出下面的结果：

在这个数据集中，最高温度记录在摄氏零下10度。1370的最高值，在内华达州中部测量，等于137摄氏度，或者大约278华氏度。这个值不太可能被正确记录下来。我们已经能够用Superset来研究一些异常值，但这只是我们能做的事情的表面。

你可能还想用这个方法做几件事：

默认格式显示1.37k这样的值，对于某些用户来说可能很难读取。您可能希望看到完整的逗号分隔值。您可以通过编辑任何度量值的配置来更改其格式（编辑表配置>列出Sql度量值>编辑度量值>D3格式）

此外，你可能想看到的温度测量单位是摄氏度，而不是十分之一度。或者你可以把温度转换成华氏度。您可以更改针对数据库执行的SQL，将逻辑烘焙到度量本身中（编辑表配置>列出SQL度量>编辑度量>SQL表达式）

不过，现在，让我们为这些数据创建更好的可视化，并将其添加到仪表板中。

我们将图表类型更改为“Distribution - Bar Chart”：

我们保留了关于最大温度测量的过滤器，但是查询和格式化选项依赖于图表类型，所以您必须再次设置值：

您应该注意此图表的广泛格式化选项：设置轴标签、边距、刻度等的能力，以便使数据呈现给广大受众，您将希望将其中的许多应用于最终在仪表板中的切片。不过，现在，我们运行查询并得到以下图表：

创建切片和仪表盘

这个观点对研究人员来说可能很有趣，所以让我们保存它。在Superset中，保存的查询称为切片。

若要创建切片，请单击“浏览”左上角附近的“另存为”按钮：

将出现一个弹出窗口，要求您命名切片，并可选地将其添加到仪表板中。由于我们还没有创建任何仪表板，我们可以创建一个仪表板，然后立即将我们的部分添加到其中。我们来做吧：

单击“保存”，这将引导您返回原始查询。我们看到我们的切片和仪表板已成功创建：

让我们看看我们的新仪表板。我们单击仪表板菜单：

并且找到我们刚刚创建的仪表盘：

我们的切片已经开始生效了：

但它比我们想要的要小一点。幸运的是，您可以通过单击、按住并拖动右下角到所需的尺寸来调整仪表板中切片的大小：

调整大小后，将要求您单击仪表板右上角附近的图标以保存新配置。

恭喜！您已经成功地在Superset中链接、分析和可视化了数据。有很多其他的表配置和可视化选项，所以请开始探索和创建您自己的切片和仪表板吧。

利用Apache Superset探索数据

在本教程中，我们将通过探索一个真实的数据集来介绍Apache Superset中的关键概念，该数据集包含2011年一家英国公司员工的航班。每个航班的信息如下：

旅行部。在本教程中，各部门已重命名为橙色、黄色和紫色；

票价；

旅行舱（经济舱、高级经济舱、商务舱和头等舱）；

无论是单程票还是往返票；

旅行的日期；

关于起点和终点的信息；

起点和终点之间的距离，单位为公里（km）。

启用上传csv文件的功能

您可能需要启用将CSV上载到数据库的功能。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Sources‣Databases。在列表中找到示例数据库并选择Edit record按钮：

在Edit Database页面里面，选中Allow Csv Upload复选框，最后点击Save按钮保存。

获得并加载数据

下载这个教程的数据通过你的电脑连接下面这个地址获取数据： https://raw.githubusercontent.com/apache-superset/examples-data/master/tutorial_flights.csv.

在顶部的选项按钮中，点击Sources>Upload a CSV.

然后，输入表名作为tutorial_flights并从计算机中选择CSV文件。

接下来，在Parse Dates字段中输入文本Travel Date。

将所有其他选项保留在默认设置中，选择页面底部的Save。

表可视化

在本节中，我们将创建第一个可视化：一个表，显示每个旅行类的航班数和成本。

新建chart，选择New>Chart

在Create a new chart对话框中，从Choose a datasource下拉列表中选择tutorial_flights。

接下来，选择图形类型为Table

然后，选择Create new chart进入chart view视图。

默认情况下，Apache Superset只显示最后一周的数据：在我们的示例中，我们希望查看数据集中的所有数据。没问题-在Time部分中，通过选择Last week，然后将所选内容更改为No filter，最后单击OK以确认所选内容，删除时间范围。

现在，我们要使用Group by选项指定表中的行。因为在这个例子中，我们想要了解不同的Travel Class，所以我们在这个菜单中选择旅行类。

接下来，我们可以使用metrics选项指定希望在表中看到的度量。Count（*）已经存在，它表示表中的行数（在本例中对应于每个航班有一行的航班数）。要添加成本，请在Metrics选择Cost。Save默认聚合选项，即对列求和。

最后，选择Run Query 查看表的查询结果。

恭喜您，您已经在Apache Superset创建了第一个图形！

若要保存可视化效果，请单击屏幕左上角的Save。选择Save as选项，然后输入图表名称作为教程表（您可以通过顶部菜单中的Charts屏幕再次找到它）。同样，选择add to new dashboard并输入Tutorial dashboard。最后，选择Save&go to dashboard。

仪表盘基础

接下来，我们将要去探索仪表盘接口。如果你已经照做了之前的所有章节，你应该已经打开了一个仪表盘，否则，可以通过在顶部菜单上选择Dashboards导航到仪表盘，然后从仪表盘列表中选择Tutorial dashboard。

在这个仪表板上，您应该可以看到在上一节中创建的表。选择Edit dashboard，然后将鼠标悬停在表上。通过选择表的右下角（光标也会改变），可以通过拖放来调整其大小。

最后，可以通过右上角的Save changes保存改变。

数据透视表

在这一章节，我们将会趋向于分析用更加复杂的可视化图形，透视表。在这个章节的最后，您将创建一个表，按部门、旅行级别显示前六个月的每月航班支出。

如前所述，通过在顶部菜单上选择New‣Chart创建新的可视化效果。再次选择tutorial_flights作为数据源，然后单击可视化类型进入可视化菜单。选择Pivot Table可视化（可以通过在搜索框中输入文本进行筛选），然后点击Create a new chart创建新图表。

在Time部分，将Time Column保留为Travel Date（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Time Grain作为month，因为每天的数据太细，看不到模式。然后，通过单击“时间范围”部分中的“上周”，选择2011年前6个月的时间范围，然后在Custom 中，通过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，您可以更快地移到远处）分别选择2011年1月1日和6月30日的开始/结束日期客场日期）。

 

接下来，在Query部分，去掉默认的COUNT(*)，然后加上Cost，保留默认的SUM聚合。注意，Apache Superset将通过列表左侧列上的符号（ABC表示字符串，#表示数字，时钟面表示时间等）指示度量的类型。

按选择Time分组：这将自动使用我们在Time部分中定义的Time Column和Time Grain选择。

在Column里面，选择第一个Department和Travel Class。 其他的都设置默认，点击Run Query 去查看数据。

您应该在行中看到月份，在列中看到Department 和Travel Class。要在我们的仪表板中获得这一点，选择Save，命名图表Tutorial Pivot，并使用Add chart to existing dashboard添加图表到现有仪表板选择Tutorial Dashboard，然后最后Save & go to dashboard。

折线图

在这篇章节中，我们将通过全部的tutorial_flights数据集创建一个折线图去理解飞机票的平均价格/月，如前所述，选择New‣Chart，然后选择tutorial_flights作为数据源，选择Line Chart作为可视化类型。

和以前一样，在Time部分中，将Time Column保留为Travel Date，将Time Grain保留为month，但这次对于时间范围，请选择No filter，因为我们希望查看整个数据集。

在度量中，删除默认Count（*）并添加Cost。这一次，我们希望更改如何聚合此列以显示平均值：我们可以通过在聚合下拉列表中选择AVG来完成此操作。

 

接下来，点击Run Query通过图标查看数据。

这看起来怎么样？好吧，我们可以看到12月份的平均成本上升了。然而，也许将单程票和往返票结合起来是没有意义的，而是为每种类型的票显示两条单独的线。

让我们通过在GroupBy框中选择Ticket Single或Return，然后再次选择Run Query来完成此操作。很好！我们可以看到，平均来说，单程票比返程票便宜，12月份的大高峰是返程票造成的。

我们的图表看起来已经很不错了，但是让我们转到左侧窗格中的“Customize”选项卡来自定义更多图表。在该窗格中，尝试更改Color Scheme配色方案，通过在显示范围过滤器下拉菜单中选择“否”来删除Show Range Filter范围过滤器，并使用X Axis Label(X轴标签)和X Axis Label(Y轴标签)添加一些标签。

完成后，Save(保存)为教程线条图，使用Add chart to existing dashboard添加图表到现有仪表板，将此图表添加到教程仪表板上的以前的图表，然后Save & go to dashboard保存并转到仪表板。

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，可以通过在顶部菜单上选择“Dashboards ”导航到仪表板，然后从仪表板列表中选择“Tutorial dashboard”。通过选择编辑仪表板进入Edit dashboard编辑模式。

在“插入组件”窗格中，在仪表板上拖放Markdown 标记框。寻找蓝色的线，指示盒子的锚定位置。

现在，要编辑文本，请选择该框。您可以以标记格式输入文本（有关此格式的详细信息，请参阅此标记备忘单）。可以使用框顶部的菜单在Edit编辑和Preview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点击Save changes。

过滤箱

在这个章节中，你将会学习在你的仪表盘上怎么样添加一个过滤器。明确的说，我们将要创建一个过滤器，这个过滤器允许我们看一个特殊的国家的部门和航班。

通过选择New ‣ Chart，然后选择tutorial_flights作为数据源，选择Filter box作为可视化类型，可以将filter box可视化创建为任何其他可视化。

首先，在“Time”部分中，通过选择“No filter”从“Time range”选择中移除筛选器。

接下来，在Filters Configurations过滤器配置中，首先通过选择加号添加新过滤器，然后通过选择铅笔图标编辑新创建的过滤器。

对于我们的用例来说，按字母顺序列出国家列表是最有意义的。首先，输入列作为Origin Country（源国），并保持所有其他选项不变，然后选择“Run Query”。这给了我们一个过滤器的预览。

接下来，通过取消选中日期筛选器复选框来删除Date Filter（日期筛选器）。

最后，选择Save，将图表命名为Tutorial Filter，将图表添加到我们现有的教程仪表板，然后Save & go to dashboard（保存并转到仪表板）。在仪表板上，尝试使用过滤器仅显示从英国起飞的航班-您将看到过滤器应用于仪表板上的所有其他可视化效果。

发布仪表盘

如果您已经遵循了上一节中概述的所有步骤，那么您应该有一个如下所示的仪表板。如果愿意，可以通过选择“Edit dashboard”并拖放来重新排列仪表板的元素。

如果要使仪表板对其他用户可用，只需选择左上角仪表板标题旁边的“Draft （草稿）”即可将仪表板更改为“Published （已发布）”状态。您还可以通过选择星型来收藏此仪表板。

完善仪表盘

在下面的部分中，我们将讨论更高级的Apache Superset主题。

注释

批注允许您向图表中添加其他上下文。在本节中，我们将向上一节中制作的教程折线图添加注释。具体而言，我们将增加一些航班因冰岛格里姆斯火山喷发（2011年5月23日至25日）而被英国民航局取消的日期。

首先，通过导航到Manage‣annotation Layers添加注释层。通过选择绿色加号添加新记录来添加新的批注层。输入Volcanic Eruptions（火山喷发）的名称并保存。我们可以使用这个层来引用许多不同的注释。

然后，转到“Charts （图表）”，然后从列表中选择“Tutorial Line Chart（教程折线图）”，导航到折线图。接下来，转到“Annotations and Layers（注释和图层）”部分并选择“Add Annotation Layer（添加注释图层）”。在这段对话中：

把这层命名为Volcanic Eruptions（火山爆发）

将Annotation Layer Type（注释图层类型）更改为Event（事件）

将Annotation Source（批注源）设置为Superset annotation（Superset批注）

将Annotation Layer（注释层）指定为Volcanic Eruptions（火山喷发）

选择“Apply（应用）”以查看图表上显示的批注。

如果你愿意，可以通过更改“Display configuration（显示配置）”部分中的设置来更改批注的外观。否则，请选择“OK（确定）”并最终选择“Save （保存）”以保存图表。如果保留默认选择以覆盖图表，则批注将保存到图表中，并自动显示在教程仪表板中。

高级分析

在本节中，我们将探讨Apache Superset的高级分析功能，该功能允许您对数据应用其他转换。三种类型的转换是：

移动平均：

选择滚动窗口，然后对其应用计算（平均值、总和或标准偏差）。第四个选项cumsum计算序列的累积和。有关详细信息，请参阅Pandas滚动方法文档。https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rolling.html

时间比较：

及时移动数据，并可选地应用计算将移动的数据与实际数据进行比较（例如，计算两者之间的绝对差）。有关更多信息，请参阅Pandas cumsum方法文档。https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.cumsum.html

Python函数：

使用多种方法中的一种重新采样数据。有关详细信息，请参阅Pandas重采样方法文档。https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.resample.html

设置基础图表

在本节中，我们将建立一个基础图表，然后我们可以将不同的高级分析功能应用到其中。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日和2011年10月31日。

接下来，在查询部分，将度量更改为Cost之和。选择“运行查询”以显示图表。你应该看到2011年10月每个月每天的总成本。

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

滚动平均数

数据变化很大，很难确定任何趋势。我们可以采用的一种方法是显示时间序列的滚动平均值。为此，在Advanced Analytics（高级分析）的Moving Average（移动平均值）部分，在Rolling（滚动）框中选择平均值，并在周期和最小周期中输入7。周期是轧制周期的长度，表示为Time Grain（时间晶粒）的倍数。在我们的例子中，Time Grain是日，所以滚动周期是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，通过指定Min Periods为7，我们确保我们的平均值总是在7天内计算，并且避免了任何上升期。

通过选择Run Query显示图表后，您将看到数据的变量较小，并且该系列将在排除爬坡期之后开始。

将图表保存为Tutorial Rolling Mean并将其添加到Tutorial Dashboard。

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Tutorial Advanced Analytics Base图表，转到顶部菜单中的Charts （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“浏览图表”）。

接下来，在Advanced Analytics（高级分析）的Time Comparison（时间比较）小节中，输入“负1周”（注意，此框接受自然语言输入）来输入Time Shift（时间偏移）。Run Query以查看新图表，该图表有一个具有相同值的附加序列，并将时间向后移动了一周。

然后，将Calculation type（计算类型）更改为“Absolute difference（绝对差异）”，并选择“Run Query（运行查询）”。我们现在只能再次看到一个系列，这次显示了我们之前看到的两个系列之间的差异。

将图表另存为Tutorial Time Comparison并将其添加到Tutorial Dashboard中。

重新采样数据

在本节中，我们将对数据进行重新采样，这样我们就可以获得每周的数据，而不是每天的数据。与上一节一样，重新打开Tutorial Advanced Analytics Base图表。

接下来，在Advanced Analytics（高级分析）的Python Functions小节中，在Rule和median中输入7D作为方法，并通过选择Run Query显示图表。

注意，现在我们每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内的中值。有关本节中各种选项含义的更多信息，请参阅Pandas文档https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.resample.html。

最后，将图表保存为Tutorial Resample并将其添加到Tutorial Dashboard。转到教程仪表板以并排查看四个图表并比较不同的输出。