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

......