tableau如何設置數據提取到伺服器上

㈠ tableau desktop怎麼聯繫到server

Tableau Desktop 是讓您的工作保持流暢的數據分析工具。 它易於學習，便於使用，比現有的解決方案快出 10 到 100 倍。 Tableau Desktop 基於突破性的技術，能夠將數據圖片轉化為資料庫查詢。 利用視覺觀察圖案的天賦能力，識別趨勢，在數秒內發現可視化的真知灼見。 無需向導，無需腳本。

㈡ 如何用tableau的rest api創建工作簿並且連接數據

RESTAPI不是可以從Tableau桌面訪問的數據源。要使用RESTAPI，必須將API調用中的數據導出到csv或其他平面文件。然後您可以將Tableau Desktop連接到該文件。您可以使用python自動執行此操作。您也可以直接從郵遞員處導出。

㈢ tableau怎麼使用數據提取

以管理員身份打開命令提示符，並轉到 Tableau Desktop bin 目錄。例如：

cd C:\Program Files\Tableau\Tableau 10.0\bin

使用下列命令之一，並添加下表中描述的參數。

tableau refreshextract

tableau addfiletoextract

㈣ Tableau提取其它電腦的sql數據

Tableau提取其它電腦的sql數據，內容如下：
通常，最佳做法是向Tableau導入基於文件的數據，即諸如CSV、MicrosoftExcel電子表格和MicrosoftAccess文件之類的文本文件，以及像SPSS、SAS和R這樣的統計文件。這會查詢執行速度要快得多，也會產生小得多的文件來存儲數據值。
如果您的數據是一個大文本或Excel文件，則使用數據提取不僅可以提高性能，也會向您提供更多的功能。請注意，如果您將Tableau連接到大型文本文件，則在Tableau發現文件太大而無法良好執行時將提示您提取數據。

㈤ tableau 怎麼連接mysql

選擇「數據」>「連接到數據」或按鍵盤上的 Ctrl + D。也可以在開始頁面上選擇「連接到數據」選項。 2. 在「連接到數據」頁面上，選擇要連接的數據類型。也可以選擇保存的數據連接（TDS 文件）打開一個 Tableau Server 數據源。 3. 連接到數據的另一種方式是從工作簿導入。工作簿可以包含與不同數據源的多個連接。若要從工作簿導入連接，請在「連接到數據」對話框中單擊「選擇保存的連接」選項卡底部的「從工作簿導入」按鈕。 顯示連接信息 可以顯示有關連接的信息，方法是在「數據」菜單中選擇數據源，然後選擇「屬性」。下面顯示了示例數據源的屬性。 連接到自定義 SQL 查詢 對於大多數關系數據源，可以連接到特定查詢，而非整個數據源。 在連接對話框中選擇「自定義 SQL」。 在文本框中鍵入或粘貼查詢。單擊文本框右上角的「瀏覽」按鈕 會打開更大的編輯窗口，可進行更復雜的查詢或添加參數。 注意：完成連接後，Tableau 的數據窗口只顯示相關欄位。 如果 SQL 查詢引用重復列，則在嘗試使用 Tableau 中的列之一時，可能會出現錯誤。即使查詢有效，也會發生這種情況。例如，考慮以下查詢： SELECT * from authors, titleauthor where authors.au_id = titleauthor.au_id 該查詢有效，但因為 au_id 欄位在「authors」表和「titleauthor」表中都存在，因此該欄位不明確。Tableau 將連接到查詢，但只要嘗試使用 au_id 欄位，就會出現錯誤。原因是 Tableau 不知道要引用哪個表。 編輯連接 在「數據」菜單中選擇數據源，然後選擇「編輯連接」。

㈥ Tableau怎麼連接到數據

打開 Tableau Desktop 並開始

打開 Tableau Desktop 後首先看到的是開始頁。在此處選擇要使用的連接器（將如何連接到數據）。

開始頁提供了多個可從中進行選擇的選項：

B.連接窗格。在「連接」下面，可以：

• 連接到存儲在文件（例如 Microsoft Excel、PDF、空間文件等）中的數據。

• 連接到存儲在伺服器（例如 Tableau Server、Microsoft SQL Server、Google Analytics 等）上的數據。

• 連接到之前已連接到的數據源。

Tableau 支持連接到存儲在各個地方的各種數據的功能。「連接」窗格列出了您可能想要連接到的最常見地方，或者單擊「更多」鏈接以查看更多選項。學習資料庫中具有關於連接到數據源的更多信息（在頂部菜單中）

C.在「示例工作簿」下面，查看 Tableau Desktop 附帶的示例儀錶板和工作簿。

D.在「打開」下面，您可以打開已經創建的工作簿。

E.在「發現」下面，查找其他資源，如視頻教程、論壇或「本周 Viz」，以了解可以生成的內容。

在「連接」窗格中的「已保存數據源」下，單擊「Sample - Superstore」以連接到示例數據集。屏幕將如下所示：



Tableau 附帶「Sample - Superstore」數據集。它包含有關產品、銷售額、利潤等信息，可以使用這些信息確定此虛構公司內部需要改進的重要方面。

㈦ 舉個栗子！Tableau 技巧（201）：在 Prep 中調用 Python 處理復雜數據

Tableau Prep 正在被越來越多的數據粉使用，作為專業的數據准備工具，Prep 提供了常用的數據處理功能，例如分組、轉置、計算等，還提供了對 R 語言和 Python 腳本的支持。

● 之前分享過栗子： 用 Prep 輕松實現數據去重 、 用 Prep 數據去重的三種場景 、 用 Prep 正則表達式拆分復雜欄位 。

不過，有一些復雜的場景，比如：需要計算相關系數，Tableau 本身提供的相關系數計算方法 CORR() 只能一次計算兩個欄位的相關系數，如果遇到需要建立相關系數矩陣的情況，處理起來就比較麻煩。

這種情況，可以通過 Prep 調用Python 腳本來加速數據清理，實現對多個欄位計算皮爾遜相關系數( Pearson correlation coefficient，更多信息可自行了解）。

如何在Prep 調用 Python 腳本？今天的🌰學起來！

本期《舉個栗子》，我們要給大家分享的 Tableau 技巧是：在 Prep 中調用 Python 處理復雜數據。

為方便學習，栗子使用 Tableau 自帶的「示例-超市」數據。掌握栗子方法後，數據粉可嘗試使用自己的數據源。懶癌患者可通過以下鏈接獲取栗子數據源：

https://www.dkmeco.com/cms/course/detail/539

具體步驟如下：

1、 安裝 Python

首先，安裝 Python 。因為 TabPy 暫不支持最新版本的 Python，所以安裝 Python3.7 即可（安裝步驟不贅述，教程可自行上網搜索）。

安裝 TabPy（Python 的擴展包），用於 Tableau 與 Python 進行數據交互。另外，由於數據是以 pandas.DataFrame 格式存儲的，所以需要同時安裝 pandas。

此時，可以使用瀏覽器訪問 http://localhost:9004/，會出現 TabPy 的歡迎頁面。

2、 編寫腳本

接著，需要編寫計算相關系數的 Python 腳本，以供 Tableau Prep 調用。

➤ 腳本首先必須引入 pandas ，才能識別 Tableau Prep 傳遞的數據。

➤ 創建 get_output_schema() 方法，Tableau Prep 需要該訪問指明返回的數據對象格式。

prep_string() 和 prep_decimal() 都是 Prep 支持的數據類型的名稱，直接寫即可。附 Prep 的數據類型如下：

➤ 創建計算相關系數的方法，input 是 prepy 調用該方法時傳入的數據對象，即該腳本步驟所傳入的數據表。

編寫完成後，保存文件名為 tabpy.py。

3、 Prep 調用 Python

然後，打開 Tableau Prep，單擊頂部菜單欄「幫助」，下拉菜單選擇：設置和性能-管理分析擴展程序連接。

鍵入第二步建立的 TabPy 伺服器信息，分析程序類型選擇 Tableau Python(TabPy) 伺服器，伺服器填默認：Localhost， 埠默認：9004，用戶名和密碼沒有設置的可以不用填寫。

4、 構建數據矩陣

最後，在 Prep 中建立流程。

使用「示例-超市」數據集中的訂單數據，取用「銷售額」、「數量」、「折扣」、「利潤」四個度量欄位。

新建一個腳本步驟：單擊數據表右側 

 按鈕，下拉菜單選擇：腳本。

連接類型選擇：TableuPython(TabPy)伺服器，選擇第三步保存的 tabpy.py 文件，並填寫 get_corr 方法名。

完成後，就可以在右側窗口看到銷售額等四個欄位的相關系數矩陣。

本期的 Tableau 技巧，你 Get 到了嗎？趕快試試看吧！

下一期《舉個栗子》，再會~

㈧ tableau online怎麼用

在tableau online使用的過程中，需要創建和發布數據模型（數據源）並使其保持最新。

通過直接連接到數據發布到tableau online

使用直接連接時，無需發布數據提取或刷新任務。工作簿將始終顯示最新數據。

• Google BigQuery 或 Amazon Redshift 數據。

• Web 服務（例如，Amazon RDS、Microsoft SQL Azure 或類似服務）上託管的 MySQL、PostgreSQL 和 SQL Server 數據。

發布和刷新數據提取

具體的內容的話，您可以去查看下教程，使用步驟還是挺清楚的。

㈨ Tableau使用指南

一、導入數據

      打開Tableau，選擇連接到文件（Microsoft Excel），選擇需要導入的文件，點擊「確定」。

（圖一）

      文件導入成功之後可以在工作面板右下方看到導入的數據，如下圖：

（圖二）

    點擊下方標橙的按鈕「工作表1」即可轉到工作表界面，去製作相關透視圖。

二、常見透視圖的製作

（圖三）

工作表界面左邊可以查看數據的全部欄位，中間顯示圖表，右邊可以選擇不同類型的圖表，色彩明亮的為可用類型，直接點擊即可轉換。製作圖表過程中，只需將左邊的所需欄位拖動到中間的工作表區域，工具將自動選擇某一圖表顯示所選的一個或多個欄位，通過右邊智能顯示區域可以轉換欄位顯示的方式。

單維透視圖

單維度圖表主要包括文本表（類似於excel表格）、直方圖（查看分布情況）

文本表：

將選中欄位按箭頭方向拖入行/列區或者工作表區域，圖例為維度欄位「年級」。

（圖四）

（圖五）

直方圖（分布情況）：

當選取欄位為維度欄位時，可用圖表只有文本表（如圖四、五所示）。當選取欄位為度量欄位時，可選用文本圖、水平條，直方圖等。較為常用的是直方圖，可以查看數據的分布情況，找出異常點。

（圖六）

二維透視圖

條形圖：

在某維度下查看度量時，選取一個維度欄位和一個度量欄位，分別拖拽到行/列區。雙擊圖形上方「工作表1」可以改變工作表名稱，也可以按照大小順序排列。

（圖七）

（圖八）

氣泡圖和文字雲

氣泡圖中用氣泡大小表達數值大小，用氣泡顏色表達類別。

文字雲中用文字大小表達數值大小，用文字顏色表達類別。

註：最後氣泡圖轉換成文字雲是通過將標記符號從「圓」換成「文本」實現的，GIF中下拉菜單沒有錄進去。

多維透視圖

雙坐標軸透視圖

當需要研究同一個維度下兩個度量之間的關系時，可以將兩個度量放在同一張圖里作為兩個坐標軸。

圖中演示了在年級的維度下，出勤率和作業提交人數之間的關系。首先將「出勤率「和「作業提交人數」兩個度量欄位拖拽到行區域，再將「年級」這個維度欄位拖拽到列區域中。此時會得到圖九，圖中兩個度量分別在兩個圖中，為方便比較，右鍵單擊行區域中的任一度量，選擇「雙軸」，即可（如圖十）。同時，右擊已選的度量欄位，選擇「標記類型」，可根據需求將該度量方式改編成其他類型的圖示，再使用雙軸，可得到不同類型圖示的組合。

（圖九）

（圖十）

直方圖表示多個維度信息

添加顏色標記來增加一個維度的表達。

同時選取多個維度欄位

標記的使用

顯示：條形圖、線、區域圖

顏色：

1）通過顏色深淺顯示數值大小

在選擇一維度欄位（年級）和一度量欄位（出勤率總和）之後，再從數據區將該度量欄位拖拽到標記區的顏色按鈕處。

2）通過顏色深淺顯示另一度量值的大小（即通過增加顏色深淺來增加一個度量）

在已選擇一維度欄位（年級）和一度量欄位（出勤率總和）之後，此時希望新添加一個度量欄位通過顏色深淺來在同一張圖中顯示，只需將新添加的度量（作業提交率）拖拽到標記區的顏色按鈕處即可。圖十一中度量欄位「出勤率總和」通過條形圖高度顯示，作業提交率通過顏色深淺顯示。

（圖十一）

3）用顏色分類

在選擇一維度欄位（年級）和一度量欄位（出勤率總和）之後，再從數據區將該維度欄位拖拽到標記區的顏色按鈕處。即可自動用不同顏色標記不同類別的數據。

（圖十二）

4）顏色設置

當添加了顏色標記之後，可以通過點擊顏色按鈕進行改變。單擊「顏色」，單擊「編輯顏色」，在編輯顏色面板中可以進行任意更改（如圖十三）。

（圖十三）

大小：

單擊大小按鈕，通過左右拖動滑塊可以改變圖形大小，如條形圖的寬度、折線圖線的粗細、散點圖點的大小等。

標簽：

點擊標簽按鈕，勾選「顯示標記標簽」即可在圖中顯示每個數據的值。同時通過標簽按鈕可以改變字體，字體大小等。

工具：

單擊工具按鈕，可以在面板中改變坐標軸標簽的名稱、字體、字體大小等。

㈩ 如何用python連接 tableau 資料庫，然後讀取數據

鏈接：http://pan..com/s/1BWBtFMYeQazJWUYSmHi5fw

Python&Tableau：商業數據分析與可視化。Tableau的程序很容易上手，各公司可以用它將大量數據拖放到數字「畫布」上，轉眼間就能創建好各種圖表。這一軟體的理念是，界面上的數據越容易操控，公司對自己在所在業務領域里的所作所為到底是正確還是錯誤，就能了解得越透徹。

快速分析：在數分鍾內完成數據連接和可視化。Tableau 比現有的其他解決方案快 10 到 100 倍。大數據，任何數據：無論是電子表格、資料庫還是 Hadoop 和雲服務，任何數據都可以輕松探索。

課程目錄：

前置課程-Python在咨詢、金融、四大等領域的應用以及效率提升

Python基礎知識

Python入門：基於Anaconda與基於Excel的Python安裝和界面

簡單的數學計算

Python數據分析-時間序列2-數據操作與繪圖

Python數據分析-時間序列3-時間序列分解

......