tableau如何设置数据提取到服务器上
㈠ tableau desktop怎么联系到server
Tableau Desktop 是让您的工作保持流畅的数据分析工具。 它易于学习,便于使用,比现有的解决方案快出 10 到 100 倍。 Tableau Desktop 基于突破性的技术,能够将数据图片转化为数据库查询。 利用视觉观察图案的天赋能力,识别趋势,在数秒内发现可视化的真知灼见。 无需向导,无需脚本。
㈡ 如何用tableau的rest api创建工作簿并且连接数据
RESTAPI不是可以从Tableau桌面访问的数据源。要使用RESTAPI,必须将API调用中的数据导出到csv或其他平面文件。然后您可以将Tableau Desktop连接到该文件。您可以使用python自动执行此操作。您也可以直接从邮递员处导出。
㈢ tableau怎么使用数据提取
以管理员身份打开命令提示符,并转到 Tableau Desktop bin 目录。例如:
cd C:\Program Files\Tableau\Tableau 10.0\bin
使用下列命令之一,并添加下表中描述的参数。
tableau refreshextract
tableau addfiletoextract
㈣ Tableau提取其它电脑的sql数据
Tableau提取其它电脑的sql数据,内容如下:
通常,最佳做法是向Tableau导入基于文件的数据,即诸如CSV、MicrosoftExcel电子表格和MicrosoftAccess文件之类的文本文件,以及像SPSS、SAS和R这样的统计文件。这会查询执行速度要快得多,也会产生小得多的文件来存储数据值。
如果您的数据是一个大文本或Excel文件,则使用数据提取不仅可以提高性能,也会向您提供更多的功能。请注意,如果您将Tableau连接到大型文本文件,则在Tableau发现文件太大而无法良好执行时将提示您提取数据。
㈤ tableau 怎么连接mysql
选择“数据”>“连接到数据”或按键盘上的 Ctrl + D。也可以在开始页面上选择“连接到数据”选项。 2. 在“连接到数据”页面上,选择要连接的数据类型。也可以选择保存的数据连接(TDS 文件)打开一个 Tableau Server 数据源。 3. 连接到数据的另一种方式是从工作簿导入。工作簿可以包含与不同数据源的多个连接。若要从工作簿导入连接,请在“连接到数据”对话框中单击“选择保存的连接”选项卡底部的“从工作簿导入”按钮。 显示连接信息 可以显示有关连接的信息,方法是在“数据”菜单中选择数据源,然后选择“属性”。下面显示了示例数据源的属性。 连接到自定义 SQL 查询 对于大多数关系数据源,可以连接到特定查询,而非整个数据源。 在连接对话框中选择“自定义 SQL”。 在文本框中键入或粘贴查询。单击文本框右上角的“浏览”按钮 会打开更大的编辑窗口,可进行更复杂的查询或添加参数。 注意:完成连接后,Tableau 的数据窗口只显示相关字段。 如果 SQL 查询引用重复列,则在尝试使用 Tableau 中的列之一时,可能会出现错误。即使查询有效,也会发生这种情况。例如,考虑以下查询: SELECT * from authors, titleauthor where authors.au_id = titleauthor.au_id 该查询有效,但因为 au_id 字段在“authors”表和“titleauthor”表中都存在,因此该字段不明确。Tableau 将连接到查询,但只要尝试使用 au_id 字段,就会出现错误。原因是 Tableau 不知道要引用哪个表。 编辑连接 在“数据”菜单中选择数据源,然后选择“编辑连接”。
㈥ Tableau怎么连接到数据
打开 Tableau Desktop 并开始
打开 Tableau Desktop 后首先看到的是开始页。在此处选择要使用的连接器(将如何连接到数据)。
开始页提供了多个可从中进行选择的选项:
B.连接窗格。在“连接”下面,可以:
连接到存储在文件(例如 Microsoft Excel、PDF、空间文件等)中的数据。
连接到存储在服务器(例如 Tableau Server、Microsoft SQL Server、Google Analytics 等)上的数据。
连接到之前已连接到的数据源。
Tableau 支持连接到存储在各个地方的各种数据的功能。“连接”窗格列出了您可能想要连接到的最常见地方,或者单击“更多”链接以查看更多选项。学习资料库中具有关于连接到数据源的更多信息(在顶部菜单中)
C.在“示例工作簿”下面,查看 Tableau Desktop 附带的示例仪表板和工作簿。
D.在“打开”下面,您可以打开已经创建的工作簿。
E.在“发现”下面,查找其他资源,如视频教程、论坛或“本周 Viz”,以了解可以生成的内容。
在“连接”窗格中的“已保存数据源”下,单击“Sample - Superstore”以连接到示例数据集。屏幕将如下所示:
Tableau 附带“Sample - Superstore”数据集。它包含有关产品、销售额、利润等信息,可以使用这些信息确定此虚构公司内部需要改进的重要方面。
㈦ 举个栗子!Tableau 技巧(201):在 Prep 中调用 Python 处理复杂数据
Tableau Prep 正在被越来越多的数据粉使用,作为专业的数据准备工具,Prep 提供了常用的数据处理功能,例如分组、转置、计算等,还提供了对 R 语言和 Python 脚本的支持。
● 之前分享过栗子: 用 Prep 轻松实现数据去重 、 用 Prep 数据去重的三种场景 、 用 Prep 正则表达式拆分复杂字段 。
不过,有一些复杂的场景,比如:需要计算相关系数,Tableau 本身提供的相关系数计算方法 CORR() 只能一次计算两个字段的相关系数,如果遇到需要建立相关系数矩阵的情况,处理起来就比较麻烦。
这种情况,可以通过 Prep 调用Python 脚本来加速数据清理,实现对多个字段计算皮尔逊相关系数( Pearson correlation coefficient,更多信息可自行了解)。
如何在Prep 调用 Python 脚本?今天的🌰学起来!
本期《举个栗子》,我们要给大家分享的 Tableau 技巧是:在 Prep 中调用 Python 处理复杂数据。
为方便学习,栗子使用 Tableau 自带的“示例-超市”数据。掌握栗子方法后,数据粉可尝试使用自己的数据源。懒癌患者可通过以下链接获取栗子数据源:
https://www.dkmeco.com/cms/course/detail/539
具体步骤如下:
1、 安装 Python
首先,安装 Python 。因为 TabPy 暂不支持最新版本的 Python,所以安装 Python3.7 即可(安装步骤不赘述,教程可自行上网搜索)。
安装 TabPy(Python 的扩展包),用于 Tableau 与 Python 进行数据交互。另外,由于数据是以 pandas.DataFrame 格式存储的,所以需要同时安装 pandas。
此时,可以使用浏览器访问 http://localhost:9004/,会出现 TabPy 的欢迎页面。
2、 编写脚本
接着,需要编写计算相关系数的 Python 脚本,以供 Tableau Prep 调用。
➤ 脚本首先必须引入 pandas ,才能识别 Tableau Prep 传递的数据。
➤ 创建 get_output_schema() 方法,Tableau Prep 需要该访问指明返回的数据对象格式。
prep_string() 和 prep_decimal() 都是 Prep 支持的数据类型的名称,直接写即可。附 Prep 的数据类型如下:
➤ 创建计算相关系数的方法,input 是 prepy 调用该方法时传入的数据对象,即该脚本步骤所传入的数据表。
编写完成后,保存文件名为 tabpy.py。
3、 Prep 调用 Python
然后,打开 Tableau Prep,单击顶部菜单栏“帮助”,下拉菜单选择:设置和性能-管理分析扩展程序连接。
键入第二步建立的 TabPy 服务器信息,分析程序类型选择 Tableau Python(TabPy) 服务器,服务器填默认:Localhost, 端口默认:9004,用户名和密码没有设置的可以不用填写。
4、 构建数据矩阵
最后,在 Prep 中建立流程。
使用“示例-超市”数据集中的订单数据,取用“销售额”、“数量”、“折扣”、“利润”四个度量字段。
新建一个脚本步骤:单击数据表右侧
按钮,下拉菜单选择:脚本。
连接类型选择:TableuPython(TabPy)服务器,选择第三步保存的 tabpy.py 文件,并填写 get_corr 方法名。
完成后,就可以在右侧窗口看到销售额等四个字段的相关系数矩阵。
本期的 Tableau 技巧,你 Get 到了吗?赶快试试看吧!
下一期《举个栗子》,再会~
㈧ tableau online怎么用
在tableau online使用的过程中,需要创建和发布数据模型(数据源)并使其保持最新。
通过直接连接到数据发布到tableau online
使用直接连接时,无需发布数据提取或刷新任务。工作簿将始终显示最新数据。
Google BigQuery 或 Amazon Redshift 数据。
Web 服务(例如,Amazon RDS、Microsoft SQL Azure 或类似服务)上托管的 MySQL、PostgreSQL 和 SQL Server 数据。
发布和刷新数据提取
具体的内容的话,您可以去查看下教程,使用步骤还是挺清楚的。
㈨ Tableau使用指南
一、导入数据
打开Tableau,选择连接到文件(Microsoft Excel),选择需要导入的文件,点击“确定”。
(图一)
文件导入成功之后可以在工作面板右下方看到导入的数据,如下图:
(图二)
点击下方标橙的按钮“工作表1”即可转到工作表界面,去制作相关透视图。
二、常见透视图的制作
(图三)
工作表界面左边可以查看数据的全部字段,中间显示图表,右边可以选择不同类型的图表,色彩明亮的为可用类型,直接点击即可转换。制作图表过程中,只需将左边的所需字段拖动到中间的工作表区域,工具将自动选择某一图表显示所选的一个或多个字段,通过右边智能显示区域可以转换字段显示的方式。
单维透视图
单维度图表主要包括文本表(类似于excel表格)、直方图(查看分布情况)
文本表:
将选中字段按箭头方向拖入行/列区或者工作表区域,图例为维度字段“年级”。
(图四)
(图五)
直方图(分布情况):
当选取字段为维度字段时,可用图表只有文本表(如图四、五所示)。当选取字段为度量字段时,可选用文本图、水平条,直方图等。较为常用的是直方图,可以查看数据的分布情况,找出异常点。
(图六)
二维透视图
条形图:
在某维度下查看度量时,选取一个维度字段和一个度量字段,分别拖拽到行/列区。双击图形上方“工作表1”可以改变工作表名称,也可以按照大小顺序排列。
(图七)
(图八)
气泡图和文字云
气泡图中用气泡大小表达数值大小,用气泡颜色表达类别。
文字云中用文字大小表达数值大小,用文字颜色表达类别。
注:最后气泡图转换成文字云是通过将标记符号从“圆”换成“文本”实现的,GIF中下拉菜单没有录进去。
多维透视图
双坐标轴透视图
当需要研究同一个维度下两个度量之间的关系时,可以将两个度量放在同一张图里作为两个坐标轴。
图中演示了在年级的维度下,出勤率和作业提交人数之间的关系。首先将“出勤率“和“作业提交人数”两个度量字段拖拽到行区域,再将“年级”这个维度字段拖拽到列区域中。此时会得到图九,图中两个度量分别在两个图中,为方便比较,右键单击行区域中的任一度量,选择“双轴”,即可(如图十)。同时,右击已选的度量字段,选择“标记类型”,可根据需求将该度量方式改编成其他类型的图示,再使用双轴,可得到不同类型图示的组合。
(图九)
(图十)
直方图表示多个维度信息
添加颜色标记来增加一个维度的表达。
同时选取多个维度字段
标记的使用
显示:条形图、线、区域图
颜色:
1)通过颜色深浅显示数值大小
在选择一维度字段(年级)和一度量字段(出勤率总和)之后,再从数据区将该度量字段拖拽到标记区的颜色按钮处。
2)通过颜色深浅显示另一度量值的大小(即通过增加颜色深浅来增加一个度量)
在已选择一维度字段(年级)和一度量字段(出勤率总和)之后,此时希望新添加一个度量字段通过颜色深浅来在同一张图中显示,只需将新添加的度量(作业提交率)拖拽到标记区的颜色按钮处即可。图十一中度量字段“出勤率总和”通过条形图高度显示,作业提交率通过颜色深浅显示。
(图十一)
3)用颜色分类
在选择一维度字段(年级)和一度量字段(出勤率总和)之后,再从数据区将该维度字段拖拽到标记区的颜色按钮处。即可自动用不同颜色标记不同类别的数据。
(图十二)
4)颜色设置
当添加了颜色标记之后,可以通过点击颜色按钮进行改变。单击“颜色”,单击“编辑颜色”,在编辑颜色面板中可以进行任意更改(如图十三)。
(图十三)
大小:
单击大小按钮,通过左右拖动滑块可以改变图形大小,如条形图的宽度、折线图线的粗细、散点图点的大小等。
标签:
点击标签按钮,勾选“显示标记标签”即可在图中显示每个数据的值。同时通过标签按钮可以改变字体,字体大小等。
工具:
单击工具按钮,可以在面板中改变坐标轴标签的名称、字体、字体大小等。
㈩ 如何用python连接 tableau 数据库,然后读取数据
链接:http://pan..com/s/1BWBtFMYeQazJWUYSmHi5fw
Python&Tableau:商业数据分析与可视化。Tableau的程序很容易上手,各公司可以用它将大量数据拖放到数字“画布”上,转眼间就能创建好各种图表。这一软件的理念是,界面上的数据越容易操控,公司对自己在所在业务领域里的所作所为到底是正确还是错误,就能了解得越透彻。
快速分析:在数分钟内完成数据连接和可视化。Tableau 比现有的其他解决方案快 10 到 100 倍。大数据,任何数据:无论是电子表格、数据库还是 Hadoop 和云服务,任何数据都可以轻松探索。
课程目录:
前置课程-Python在咨询、金融、四大等领域的应用以及效率提升
Python基础知识
Python入门:基于Anaconda与基于Excel的Python安装和界面
简单的数学计算
Python数据分析-时间序列2-数据操作与绘图
Python数据分析-时间序列3-时间序列分解
......