Tableau:与Python集成

Tableau是一个数据可视化工具，虽然其本身自带“分析”功能，但毕竟不如Python这一类工具强大。Tableau使用Python的方式主要有两种：一是，用tableau向tabpy_server发送python脚本；二是，将python脚本部署在tabpy_server上

1.相关包的安装

Tableau与Python连接，需要两个包的辅助，这里可以参考知乎这篇文章,这篇文章写的很清楚，实测有效。https://zhuanlan.zhihu.com/p/54766875

这里要补充说明一下，安装 tabpy_server和tabpy_client时，如果提示ReadTimeoutError,则需要在安装时设置延迟等待时间。具体如下：

pip --default-timeout=100 install tabpy_server
pip --default-timeout=100 install tabpy_client

2. 向tabpy_server发送python脚本

Tableau提供了四个函数SCRIPTINT、SCRIPTREAL、 SCRIPTSTR 、SCRIPT_BOOL，这四个函数负责向Python发送计算脚本，并要求Python返回特定类型的返回值。SCRIPTINT要求返回Int型，SCRIPTREAL要求返回实数类型，SCRIPTSTR要求返回字符串类型，而SCRIPT_BOOL要求返回布尔型变量。

仍然以Tableau中自带的【超市】数据为例，现在我们想要知道各个子类别的销售额总和，并且需要将销售额超过子类别平均销售额的子类别标记出来。如果不用python脚本实现的话，需要创建如下的计算字段【判断是否超过平均水平】：

最后的结果如下（中间拖拖拽拽的过程就省略不写了。）

 上述的计算字段如果用python脚本实现，具体写法如下：

 将这个计算字段替换视图中的【判断是否超过平均水平】，仍然可以达到同样的效果。

这里需要说明一下，Tableau的这四个函数所能接收的返回值形式。如果将上述代码中 return子句中的tolist()函数去掉，改成‘return arg1>nation_level’,Tableau会报如下错误（TypeError : Object of type ndarray is not JSON serializable）：

从这个提示可以知道，python脚本中的return子句必须函数JSON序列化的数据格式，Tableau才可以正常接收。而ndarray不是可序列化的格式，所以会报错。看来从python返回tableau用的是序列化方式，目前支持的JSON序列化的python数据类型主要有以下几种：

Python类型	JSON类型
dict	object
list,tuple	array
str	string
int，float	number
True	true
False	false
None	null

所以，向tabpy_server发送python脚本时，其return子句中的返回类型只能是：list,tuple,int,float,str以及bool型。对于上述需求，如果要用tuple,可以参考如下写法：

3.将python脚本部署在tabpy_server上

 除了第2部分在创建计算字段的时候使用Python的脚本方式之外，还可以将Python脚本部署在tabpy_server上供Tableau使用。这里以Tableau使用Python机器学习为例进行说明。

(1)先在jupyter notebook中写好python代码并将函数部署到tabpy_server上。使用的Tableau版本为Tableau2018，以Iris数据集为例，具体代码如下：

from sklearn import datasets
from sklearn import svm
from sklearn.preprocessing import StandardScaler
from sklearn.grid_search import GridSearchCV
import numpy as np
import tabpy_client
iris=datasets.load_iris()
X=iris.data #原始训练数据中的特征向量
y=iris.target #原始训练数据中的类别数据
#对X进行归一化
scaler=StandardScaler().fit(X)
X=scaler.transform(X)
#使用GridSearchCV方法对SVC进行调参
svc=svm.SVC()
paras={'kernel':('linear','rbf'),'C':[1,10,100,1000]}
svcclf=GridSearchCV(svc,paras)
svcclf.fit(X,y)
#要部署到tabpy_server上的函数
def iris_classifier(sepal_length,sepal_width,petal_length,petal_width):
    X=np.column_stack([sepal_length,sepal_width,petal_length,petal_width])
    X=scaler.transform(X)
    y=svcclf.predict(X)
    return y.tolist()
client=tabpy_client.Client("http://localhost:9004")
#将iris_classifier函数部署到tabpy_server上
client.deploy(name='iris_classifier',obj=iris_classifier,override=True)

(2)在Tableau中创建计算字段（假设Iris数据已经导入到Tableau中），其具体写法如下：

(3)关于以上两个部分代码的写法有以下几点需要说明：

• iris_classifier函数的return语句的写法和我在网上找的资料中的写法不同。其他资料中的写法为：

return encoder.inverse_transform(y).tolist()

但我用这种写法时，函数可以正常部署到tabpy_server上，但是使用pre_label进行表计算的时候，会提示以下错误，原因暂不清楚。

The endpoint you're trying to query did not respond. Please make sure the endpoint exists and the correct set of arguments are provided.

• 计算字段pre_label的写法中，这里用的是SCRIPT_INT()函数，而不是SCRIPT_STR函数，因为机器学习中的svcclf.predict()方法返回的类型就是int型。只是，后续在Tableau中使用pre_label字段时，将它更改为了离散型变量。
• pre_label中四个参数的写法用了聚合函数，否则会报错。主要是结合后续使用，一定会按行对数据进行聚合，所以无论是MIN()、MAX(),抑或SUM(),AVG(）都不会改变结果，所以就选用了MIN()。在使用pre_label的计算结果时，将四个维度都设为了“维度”。具体如下：