类比MySQL——学习tableau

目录

  1、tableau连接mysql
  2、tableau常用组件的学习
    1)基本筛选器(类似mysql中的where)
     ① 基本筛选器——维度筛选器
     ② 基本筛选器——度量筛选器
     ③ 基本筛选器——日期筛选器(实际就是维度筛选器)
    2)上下文筛选器(类似于mysql中的and)
    3)条件筛选器
    4)tableau顶部筛选器(类似于mysql中的limit)
    5)tableau通配符筛选器(类似于mysql中的like)
    6)tableau中的排序问题(类似于mysql中的order by)
    7)字段的合并、拆分与分层
    8)分组:数据源分组、文件夹分组
    9)计算字段(很重要)
    10)参数的使用(以前不太会,好好看看)
    11)集合的使用(以前不太会,好好看看)

1、tableau连接mysql
  • 主机:localhost,端口口:3306,用户名:root,密码:123456。
1)连接MySQL:填写主机、端口号、用户名、密码

在这里插入图片描述
 连接MySQL一般很简单,只需要填写主机、端口号、用户名、密码就可以。对于连接其它不同的数据系统,有可能需要另外安装驱动包,等有需求的时候,就自行百度即可。

2)选择数据库、数据表

在这里插入图片描述

3)不同数据源进行表连接(一个来自mysql表,一个来自excel表)
  • 将mysql中的dept表,和excel的emp表进行表连接。
  • 连接方式有:内连接、左连接、右连接。
① 导入mysql中的dept表

在这里插入图片描述

② 在原来基础之上:将emp.xls表添加进来。

在这里插入图片描述

③ 选择是使用“内连接”,“左连接”,还是“右连接”

在这里插入图片描述

2、tableau常用组件的学习
1)基本筛选器(类似mysql中的where)
① 基本筛选器——维度筛选器

在这里插入图片描述
注意:将维度指标,拖动到右侧的“筛选器”窗口中,就叫做“维度筛选器”。

② 基本筛选器——度量筛选器

在这里插入图片描述
Ⅰ 依次点击1–》2–》3步骤
在这里插入图片描述
Ⅱ 当出现如下界面后,依次点击1–》2步骤
在这里插入图片描述
Ⅲ 当出现如下界面后,双击红色方框中这个按钮
在这里插入图片描述
Ⅳ 当出现如下界面后,可以选择平均值的范围大小
在这里插入图片描述

③ 基本筛选器——日期筛选器(实际就是维度筛选器)

在这里插入图片描述
Ⅰ 直接将这个日期字段拖动到“筛选器”中,再点击季度这个字段
在这里插入图片描述
Ⅱ 当出现如下界面,勾选我们想要的第2、3季度,点击确定即可
在这里插入图片描述
Ⅲ 最终效果如下
在这里插入图片描述

2)上下文筛选器(类似于mysql中的and)

案例:选择家具类产品并且销售额大于100000元的商品

① 先列出不同产品名称下,不同类别的销售额

在这里插入图片描述

② 先筛选出所有“家具类”产品,依次点击1–>2–>3

在这里插入图片描述

③ 再将“销售额”拖动到“筛选器”中,在选择“总和”,再点击“下一步”

在这里插入图片描述

④ 当出现如下这个界面,选择“至少”,在填写100000,最后点击“确定”

在这里插入图片描述

⑤ 最终效果如下

在这里插入图片描述

3)条件筛选器

案例:只显示家具类,只含“书架”、“桌子”子类并且销售总额大于1000000元并且利润大于300000元的子类。

① 先给出不同类别、不同子类别下的利润和销售额

在这里插入图片描述

② 选择类别是“家具”类的产品:

在这里插入图片描述

③ 选择子类别是“书架”、“桌子”类的产品:

在这里插入图片描述

④ 当出现如下界面时,对“条件筛选器”使用公式,筛选出销售总额大于1000000元并且利润大于300000元的子类。

在这里插入图片描述

4)tableau顶部筛选器(类似于mysql中的limit)

案例:显示家具类产品中,销售额最好的前3个子类别

① 先列出不同类别、不同子类别下的销售额情况

在这里插入图片描述

② 选择家具类别的产品

在这里插入图片描述

③ 使用顶部筛选器:顶部代表展示最大的几条记录;底部代表展示最小的几条记录
  • 注意:这个并不表示排序,排序在下面会讲到。
    在这里插入图片描述
④ 上述操作的结果有一个缺陷:应该是3条结果,但是只展示了2条结果。

在这里插入图片描述

⑤ 点击常规,并完成如下操作

在这里插入图片描述

⑥ 最终效果如下

在这里插入图片描述

5)tableau通配符筛选器(类似于mysql中的like)

案例:以“罗枝”打头的产品并且销售额大于5000的产品名称

① 展示不同产品名称的销售额

在这里插入图片描述

② 使用“通配符”筛选器,找出以“罗技”打头的产品。

在这里插入图片描述

③ 再筛选销售额大于5000的产品

在这里插入图片描述

④ 最终效果如下

在这里插入图片描述

6)tableau中的排序问题(类似于mysql中的order by)

案例:可以按照字段排序,也可以手动排序

① 完成如下操作

在这里插入图片描述

② 选择“手动排序”

在这里插入图片描述

③ 当出现如下界面,将家具移动到首行位置

在这里插入图片描述
注意:对于按照不同字段排序,这里就不讲述了,自行下去尝试。很简单。

7)字段的合并、拆分与分层
① 合并字段

案例:将国家、地区和城市三个字段,合并到一起
Ⅰ 按住ctrl键,选中国家、地区和城市,依次点击创建–>合并字段
在这里插入图片描述
Ⅱ 当出现如下界面的时候,点击“编辑合并字段”当出现绿色方框的时候,修改名称为“地址”,调整字段的顺序,为国家、地区、城市。
在这里插入图片描述
Ⅲ 最终效果如下
在这里插入图片描述

② 拆分字段(自动拆分与自定义拆分)

Ⅰ 自动按照同一个分隔符,进行拆分
在这里插入图片描述
Ⅱ 自定义拆分
在这里插入图片描述
Ⅲ 当出现如下界面时,填入分隔符,保留2列
在这里插入图片描述
Ⅳ 最终效果如下
在这里插入图片描述

③ 分层(下钻)

Ⅰ分别完成如下的1,2,3步操作
在这里插入图片描述
Ⅱ 当出现如下界面,给分层取一个名称。
在这里插入图片描述
Ⅲ 完成1,2,3步操作,完成“下钻”。
在这里插入图片描述
Ⅳ 最终效果如下
在这里插入图片描述
注意:“年月日”的下钻,这个字段自动就会分层,自己下去试试。

8)分组:数据源分组、文件夹分组
  • 这里讲述的分组,不同于MySQL中的分组。分组分为“数据源分组(不同的数据源)”,“文件夹分组(同一个数据源)”。以文件夹分组来说,这里的分组指的是把相似的字段放到同一个文件夹下面,当字段很多的时候,拖动起来不方便,创建了文件夹以后,方便我们管理和使用每个字段。
① 文件夹分组为例说明

Ⅰ 选择“按文件夹分组”
在这里插入图片描述
Ⅱ 选择“创建文件夹”
在这里插入图片描述
Ⅲ 给文件夹命名
在这里插入图片描述
Ⅳ 将“订单名称”、“订单ID”拖动到文件夹中,最终效果如下
在这里插入图片描述

9)计算字段(很重要)
  • 计算字段,指的就是为某些字段做数据运算、逻辑运算等操作。

① 案例说明:利润<100,返回低利润;利润>100,返回高利润。
在这里插入图片描述
② 点击“创建字段”
在这里插入图片描述
③ 完成1,2,3步骤
在这里插入图片描述
④ 然后可以看到,字段栏多了一个“利润评价”字段
在这里插入图片描述
⑤ 最终可以去查看一下“数据源”,最终效果如下
在这里插入图片描述

10)参数的使用(以前不太会,好好看看)
  • 针对上面“计算字段”中的案例,如果利润<100,返回低利润;利润>100,返回高利润。很显然上述分类不符合规范,你卖一个铅笔,大于100肯定是高利润。但是你卖一个飞机,你就要动态调节这个利润平衡点了。这就是下面要讲述的参数。
    ① 创建参数
    在这里插入图片描述
    ② 完成如下的1,2,3,4步骤
    在这里插入图片描述
    ③ 然后可以看到,字段栏左下角多了一个“利润平衡点”字段
    在这里插入图片描述
    ④ 右击鼠标,选择显示控件参数
    在这里插入图片描述
    ⑤ 重新编辑之前的“利润评价”计算字段
    在这里插入图片描述
    ⑥ 当我们修改这里,源数据也会跟着变化。
    在这里插入图片描述
    ⑦ 当我们选择500以后,看看效果
    在这里插入图片描述
    注意:以前的172.76是高利润。当换成500以后,这里就变成了低利润。
11)集合的使用(以前不太会,好好看看)
  • 用一个案例讲述:有哪些客户在2016年,2017年都购买过我的产品。

① 先展示出所有客户,在不同年份的购买订单数据
在这里插入图片描述
② 只选择2016年购买过的客户:将“年(订单日期)”拖动到筛选器中,进行选择过滤
在这里插入图片描述
③ 当出现如下界面,勾选2016年
在这里插入图片描述
④ 完成如下步骤
在这里插入图片描述
⑤ 完成如下步骤
在这里插入图片描述
⑥ 重复上述步骤,筛选207年购买过的客户。(这里不说明了),最终效果如下
在这里插入图片描述
⑦ 最关键的一步:完成如下步骤
在这里插入图片描述
⑧ 将创建好的集合,拖动到筛选字段中,就大功告成了
在这里插入图片描述

  • 3
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
协同工作? Python、MySQLTableau 可以协同工作,实现数据分析和数据可视化。具体操作如下: 1. Python 与 MySQL 协同工作: Python 可以通过 MySQLdb 或 PyMySQL 等库连接到 MySQL 数据库,实现数据的读取、写入、更新和删除等操作。比如: ```python import MySQLdb # 连接数据库 conn = MySQLdb.connect(host='localhost', user='root', passwd='password', db='mydb') # 查询数据 cursor = conn.cursor() cursor.execute('SELECT * FROM mytable') rows = cursor.fetchall() for row in rows: print(row) # 插入数据 cursor.execute("INSERT INTO mytable VALUES (%s, %s)", ("value1", "value2")) conn.commit() # 更新数据 cursor.execute("UPDATE mytable SET column1 = %s WHERE column2 = %s", ("new_value", "old_value")) conn.commit() # 删除数据 cursor.execute("DELETE FROM mytable WHERE column = %s", ("value",)) conn.commit() # 关闭连接 conn.close() ``` 2. Python 与 Tableau 协同工作: Python 可以通过 Tableau Server Client 或 Tableau Document API 等库连接到 Tableau,实现数据的导入、导出、发布和更新等操作。比如: ```python from tableauhyperapi import HyperProcess, Connection, CreateMode, \ TableName, SqlType # 连接到 Hyper 数据库 with HyperProcess(Telemetry.SEND_USAGE_DATA_TO_TABLEAU) as hyper: with Connection(hyper.endpoint, 'mydb.hyper', CreateMode.CREATE_AND_REPLACE) as connection: # 创建表 connection.catalog.create_table( TableName('mytable'), [ TableColumn('column1', SqlType.text()), TableColumn('column2', SqlType.text()) ] ) # 插入数据 connection.execute_command(""" INSERT INTO mytable VALUES ('value1', 'value2') """) # 查询数据 result = connection.execute_query('SELECT * FROM mytable') for row in result: print(row) # 发布到 Tableau Server import tableauserverclient as TSC # 创建 Tableau Server 连接 tableau_auth = TSC.TableauAuth('username', 'password') server = TSC.Server('https://tableau.server.com') server.auth.sign_in(tableau_auth) # 发布数据源 datasource = TSC.DatasourceItem('mydatasource', project_id='myproject') datasource = server.datasources.publish(datasource, 'mydb.hyper', server.PublishMode.Overwrite) # 关闭连接 server.auth.sign_out() ``` 3. MySQLTableau 协同工作: Tableau 可以通过 MySQL Connector/J 等库连接到 MySQL 数据库,实现数据的导入和实时连接等操作。比如: - 导入数据: 在 Tableau Desktop 中,可以通过连接到 MySQL 数据库,选择要导入的数据表,配置数据源,实现数据的导入和数据分析。 - 实时连接: 在 Tableau Desktop 中,可以通过连接到 MySQL 数据库,选择实时连接,配置数据源,实现实时数据的查询和数据可视化。 总结: Python、MySQLTableau 技术可以协同工作,实现数据的处理、分析和可视化等工作。Python 可以连接到 MySQL 数据库,实现数据的读取、写入、更新和删除等操作;Python 也可以连接到 Tableau,实现数据的导入、导出、发布和更新等操作;Tableau 可以连接到 MySQL 数据库,实现数据的导入和实时连接等操作。通过 Python、MySQLTableau 的协同工作,可以更加高效地进行数据分析和数据可视化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

数据分析与统计学之美

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值