1. 在​ 数据 ​窗格中：

   1. 选择​ 日期范围。
   2. 选择​ 产品名称。
   3. 选择​ sum purchase_revenue。
   4. 选择​ 购买总和。

   您会看到一个空表，其中仅显示选定元素的列标题。 为了获得更好的可见性，请放大可视化图表。

2. 在​ 筛选器 ​窗格中：

   1. 从该视觉对象上的​ 筛选器中选择 ​日期范围是（全部）​。
   2. 选择​ 相对日期 ​作为​ 筛选器类型。
   3. 将筛选器定义为​ 当值 在最后 1 日历年 ​内时显示项。
   4. 选择​ 应用筛选器。

   您会看到使用应用的​ 日期范围 ​筛选器更新的表。

3. 在​ 可视化图表 ​窗格中：

   1. 使用 从​ 列 ​中删除​ 日期范围。
   2. 将​ Sum of purchases_revenue ​拖放到​ 列 ​中的​ Sum of purchases ​下。

4. 在“表”可视化图表上：

   1. 选择​ Sum of purchase_revenue ​以按降序采购收入顺序对产品名称排序。 您的Power BI桌面应该如下所示。

   

5. 在​ 筛选器 ​窗格中：

   1. 选择​ product_name is (All)。
   2. 将​ 筛选器类型 ​设置为​ 前N。
   3. 将筛选器定义为​ 按值 ​显示项目​ ​ ​前10 ​。
   4. 将​ purchase_revenue ​拖放到​ By值 ​中​ 在此处添加数据字段。
   5. 选择​ 应用筛选器。

   您会看到该表与Analysis Workspace中的自由格式表可视化图表同步更新了购买收入值。

6. 在​ 可视化图表 ​窗格中：

   1. 选择​ 折线图和栈叠柱状图 ​可视化图表。

   使用与表相同的数据时，折线图和栈叠式柱状图可视化会替换表。

7. 将​ 购买 ​拖放到​ 可视化图表 ​窗格中的​ 行Y轴 ​上。

   更新了折线图和栈叠式柱状图。 您的Power BI桌面应该如下所示。

   

8. 在折线图和栈叠式柱状图可视化图表上：

   1. 选择 。
   2. 从上下文菜单中，选择​ 显示为表。

   主视图已更新以显示折线图可视化图表和表格。

   

1. 选择底部的​ 表1 ​选项卡以从​ 数据源 ​切换。 在​ 表1 ​视图中：

   1. 从​ 数据 ​窗格的​ 表 ​列表中拖动​ 日期范围 ​条目，并将该条目放到​ 筛选器 ​托架上。

   2. 在​ 筛选器字段[日期范围] ​对话框中，选择​ 日期范围 ​并选择​ 下一步>。

   3. 在​ 筛选器[日期范围] ​对话框中，选择​ 日期范围 ​并指定句点01/01/2023 - 31/12/2023。 选择​ 应用 ​和​ 确定。

      

   4. 从​ 数据 ​窗格的​ 表 ​列表中拖放​ 产品名称，并将该条目拖放到​ 行 ​旁边的字段中。

   5. 从​ 数据 ​窗格中的​ 表（度量值名称） ​列表中拖放​ 购买，并将条目拖放到​ 行 ​旁边的字段中。 该值会自动转换为​ SUM（购买）。

   6. 从​ 数据 ​窗格中的​ 表（度量值名称） ​列表中拖放​ 购买收入，并将条目拖放到​ 列 ​旁的字段中，该字段来自​ SUM（购买）。 该值会自动转换为​ SUM（采购收入）。

   7. 要按降序排列两个图表，请将鼠标悬停在​ 采购收入 ​标题上并选择排序图标。

   8. 要限制图表中的条目数，请在​ 行 ​中选择​ SUM(Purchase Revenue)，然后从下拉菜单中选择​ 筛选器。

   9. 在​ 筛选器[Purchase Revenue] ​对话框中，选择​ 值范围 ​并输入相应的值。 例如： 1,000,000 - 2,000,000。 选择​ 应用 ​和​ 确定。

   10. 若要将两个条形图转换为双组合图，请在​ 行 ​中选择​ SUM（购买），然后从下拉菜单中选择​ 双轴。 条形图转换为散点图。

   11. 要将散点图修改为条形图，请执行以下操作：

       1. 在​ 标记 ​区域中选择​ SUM（购买），然后从下拉菜单中选择​ 行。
       2. 在​ 标记 ​区域中选择​ SUM(Purchase Revenue)，然后从下拉菜单中选择​ 栏。

   您的Tableau桌面应该如下所示。

   

2. 从​ 工作表1 ​选项卡上下文菜单中选择​ 复制 ​以创建第二个工作表。

3. 从​ 工作表1 ​选项卡上下文菜单中选择​ 重命名 ​以将工作表重命名为Data。

4. 从​ 工作表1 (2) ​选项卡上下文菜单中选择​ 重命名 ​以将工作表重命名为Graph。

5. 确保已选择​ 数据 ​工作表。

   1. 选择右上角的​ 向我显示 ​并选择​ 文本表（左上角可视化）以将两个图表的内容修改为表格。
   2. 若要按降序对采购收入排序，请将指针悬停在表中的​ Purchase Revenue ​上，然后选择 。
   3. 从​ 适合 ​下拉菜单中选择​ 整个视图。

   您的Tableau桌面应该如下所示。

   

6. 选择​ 新建仪表板 ​选项卡按钮（位于底部）以创建新的​ 仪表板1 ​视图。 在​ 功能板1 ​视图中：

   1. 将​ Graph ​工作表从​ 工作表 ​托架拖放到​ 仪表板1 ​视图中，该视图显示​ 在此处放置工作表。
   2. 将​ 数据 ​工作表从​ 图形 ​工作表下的​ 工作表 ​托架拖放到​ 仪表板1 ​视图中。
   3. 选择视图中的​ 数据 ​工作表，并将​ 整个视图 ​修改为​ 固定宽度。

   您的​ 仪表板1 ​视图应如下所示。

   

1. 在Looker的​ 浏览 ​界面中，确保您拥有干净的设置。 如果不是，请选择 删除字段和筛选器。

2. 选择​ 筛选器 ​下的​ +筛选器。

3. 在​ 添加筛选器 ​对话框中：

   1. 选择​ ‣抄送数据视图

   2. 从字段列表中，选择​ 日‣间范围日期，然后选择​ 日期范围日期。

      

4. 指定​ Cc数据视图日期范围日期 ​筛选器，因为​ 在 2023/01/01 之前 2024/01/01 ​的范围内。

5. 从左边栏中的​ ‣ Cc数据视图 ​部分，选择​ 产品名称。

6. 在左边栏的​ ‣自定义字段 ​部分中：

   1. 从​ +添加 ​下拉菜单中选择​ 自定义度量值。

   2. 在​ 创建自定义度量值 ​对话框中：

      1. 从​ 要度量 ​的字段下拉菜单中选择​ 购买收入。

      2. 从​ 度量值类型 ​下拉菜单中选择​ Sum。

      3. 输入​ 名称 ​的自定义字段名称。 例如：Purchase Revenue。

      4. 选择​ 字段详细信息 ​选项卡。

      5. 从​ 格式 ​下拉菜单中选择​ 小数，并确保以0小数​ 输入。

         

      6. 选择​ 保存。

   3. 从​ +添加 ​下拉菜单中选择​ 自定义度量值。 在​ 创建自定义 ​度量值对话框中：

      1. 从​ 要度量 ​的字段下拉菜单中选择​ 购买。
      2. 从​ 度量值类型 ​下拉菜单中选择​ Sum。
      3. 输入​ 名称 ​的自定义字段名称。 例如：Sum of Purchases。
      4. 选择​ 字段详细信息 ​选项卡。
      5. 从​ 格式 ​下拉菜单中选择​ 小数，并确保以0小数​ 输入。
      6. 选择​ 保存。

   4. 这两个字段都会自动添加到数据视图。

7. 选择​ +筛选器 ​以添加其他​ 筛选器 ​并限制数据。

8. 在​ 添加筛选器 ​对话框中，选择​ ‣自定义字段，然后选择​ 购买收入。

9. 进行适当的选择并输入建议值，以使筛选器显示为​ 介于 1000000 和 2000000之间。

10. 选择​ 运行。

11. 选择‣可视化图表 ​以显示折线图可视化图表。

12. 选择​ 可视化图表 ​中的​ 编辑 ​以更新可视化图表。 在弹出的对话框中：

    1. 选择​ 系列 ​选项卡。

    2. 向下滚动以查看​ 购买 ​并将​ 类型 ​更改为​ 行。

    3. 选择​ Y ​选项卡。

    4. 将​ 购买 ​从​ 左1 ​容器拖动到显示​ 将系列拖动到此处以创建新的左轴​。 此操作创建​ ​ Left 2 ​ ​容器。

       

    5. 选择 旁边的​ CrossSize75 ​以隐藏弹出对话框

您应该会看到如下所示的可视化图表和表格。

1. 在新单元格中输入以下语句。

   code language-none

   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT product_name AS `Product Name`, SUM(purchase_revenue) AS `Purchase Revenue`, SUM(purchases) AS `Purchases` \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01' \ GROUP BY 1 \ LIMIT 10; df = data.DataFrame() df = df.groupby('Product Name', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.barplot(x='Purchase Revenue', y='Product Name', data=df) plt.show() display(data)

2. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在新块中输入以下介于```{r}和` ````之间的语句。

   code language-r

   library(tidyr) ## Single dimension ranked df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2024-01-01") %>% group_by(product_name) %>% summarise(purchase_revenue = sum(purchase_revenue), purchases = sum(purchases)) %>% arrange(product_name, .by_group = FALSE) dfV <- df %>% head(5) ggplot(dfV, aes(x = purchase_revenue, y = product_name)) + geom_col(position = "dodge") + geom_text(aes(label = purchase_revenue), vjust = -0.5) print(df)

2. 运行块。 您应该会看到类似于以下屏幕快照的输出。

   

1. 若要确保日期范围适用于所有可视化图表，请将​ daterangeday ​从​ 数据 ​窗格拖放到此页上的​ 筛选器。

   1. 从该页面上的​ 筛选器中选择 daterangeday is (All)​。
   2. 选择​ 相对日期 ​作为​ 筛选器类型。
   3. 将筛选器定义为​ 当值 在最后 1 日历年 ​内时显示项。
   4. 选择​ 应用筛选器。

2. 在​ 数据 ​窗格中：

   1. 选择​ datarangeday。
   2. 选择​ 产品类别。
   3. 选择​ 产品名称。
   4. 选择​ sum purchase_revenue
   5. 选择​ 购买总和

3. 若要将垂直条形图修改为表，请确保已选择表，并从​ 可视化 ​窗格中选择​ 矩阵。

   • 从​ 列 ​中拖动​ product_name，并将字段拖放到可视化窗格中的​ 行 ​中的​ ​ ​product_categor​ ​ ​y下。

4. 要限制表中显示的产品数，请在​ 筛选器 ​窗格中选择​ product_name is (All)。

   1. 选择​ 高级筛选。
   2. 选择​ 筛选器类型 前N 按值 ​显示项​ ​ ​前15 ​。
   3. 从​ 数据 ​窗格将​ 购买 ​拖到​ 在此添加数据字段 ​上。
   4. 选择​ 应用筛选器。

5. 为了提高可读性，请从顶部菜单中选择​ 视图，然后选择​ 页面视图 > 实际大小 ​并调整表可视化图表的大小。

6. 要划分表中的每个类别，请在产品类别级别选择​ +。 您的Power BI桌面应该如下所示。

   

7. 从顶部菜单中选择​ 主页，然后选择​ 新建视觉对象。 新视觉对象会添加到报表中。

8. 在​ 数据 ​窗格中：

   1. 选择​ 产品类别。
   2. 选择​ 产品名称。
   3. 选择​ purchase_revenue。

9. 要修改可视化，请选择条形图，然后从​ 可视化 ​窗格中选择​ 树状图。

10. 确保​ product_category ​列在​ Category ​下，并且​ product_name ​列在​ 可视化图表 ​窗格的​ 详细信息 ​下。

    您的Power BI桌面应该如下所示。

    

11. 从顶部菜单中选择​ 主页，然后选择​ 新建视觉对象。 新视觉对象会添加到报表中。

12. 在​ 数据 ​窗格中：

    1. 选择​ 产品类别。
    2. 选择​ purchase_revenue。
    3. 选择​ 购买。

13. 在​ 可视化图表 ​窗格中：

    1. 要修改可视化图表，请选择​ 折线图和栈叠式柱状图。
    2. 将​ sum_of_purchases ​从​ 列Y轴 ​拖动到​ 行Y轴。

14. 在报表中，对各个可视化图表进行重新洗牌。

    您的Power BI桌面应该如下所示。

    

1. 选择底部的​ 表1 ​选项卡以从​ 数据源 ​切换。 在​ 表1 ​视图中：

   1. 从​ 数据 ​窗格的​ 表 ​列表中拖动​ 日期范围 ​条目，并将该条目放到​ 筛选器 ​托架上。

   2. 在​ 筛选器字段[日期范围] ​对话框中，选择​ 日期范围 ​并选择​ 下一步>。

   3. 在​ 筛选器[日期范围] ​对话框中，选择​ 相对日期，选择​ 年，然后指定​ 上一年。 选择​ 应用 ​和​ 确定。

      您的Tableau桌面应该如下所示。

      

   4. 将​ 产品类别 ​拖放到​ 列 ​旁边。

   5. 将​ 购买收入 ​拖放到​ 行 ​旁边。 值更改为​ SUM（采购收入）。

   6. 将购买拖放到​ 行 ​旁边。 值更改为​ SUM（购买）。

   7. 选择​ SUM（购买），然后从下拉菜单中选择​ 双轴。

   8. 在​ 标记 ​中选择​ SUM（购买） ​并从下拉菜单中选择​ 行。

   9. 在​ 标记 ​中选择​ SUM(Purchase Revenue)，然后从下拉菜单中选择​ 栏。

   10. 从​ 适合 ​菜单中选择​ 整个视图。

   11. 选择图表中的​ 采购收入 ​标题，并确保采购收入按升序排列。

       您的Tableau桌面应该如下所示。

       

2. 将当前​ 工作表1 ​重命名为Category。

3. 选择​ 新建工作表 ​以创建新工作表，并将其重命名为Data。

   1. 从​ 数据 ​窗格的​ 表 ​列表中拖动​ 日期范围 ​条目，并将该条目放到​ 筛选器 ​托架上。

   2. 在​ 筛选器字段[日期范围] ​对话框中，选择​ 日期范围 ​并选择​ 下一步>。

   3. 在​ 筛选器[日期范围] ​对话框中，选择​ 相对日期，选择​ 年，然后指定​ 上一年。 选择​ 应用 ​和​ 确定。

   4. 将​ Purchase Revenue ​从​ 数据 ​窗格拖至​ 列。 值更改为​ SUM（采购收入）。

   5. 将​ Purchase ​从​ 数据 ​窗格拖动到​ Purchase Revenue ​旁边的​ 列。 值更改为​ SUM（购买）。

   6. 将​ 产品类别 ​从​ 数据 ​窗格拖动到​ 行。

   7. 将​ 产品名称 ​从​ 数据 ​窗格拖动到​ 产品类别 ​旁边的​ 行。

   8. 若要将两个水平条更改为表，请从​ 显示我 ​中选择​ 文本表。

   9. 要限制产品数，请在​ 度量值 ​中选择​ 购买。 从下拉菜单中选择​ 筛选器。

   10. 在​ 筛选器[购买] ​对话框中，选择​ 至少 ​并输入7000。 选择​ 应用 ​和​ 确定。

   11. 从​ ​ ​适应下拉菜单中选择​ 适应宽度。

       您的Tableau桌面应该如下所示。

       

4. 选择​ 新建工作表 ​以创建新工作表并将其重命名为​ 树状图。

   1. 从​ 数据 ​窗格的​ 表 ​列表中拖动​ 日期范围 ​条目，并将该条目放到​ 筛选器 ​托架上。

   2. 在​ 筛选器字段[日期范围] ​对话框中，选择​ 日期范围 ​并选择​ 下一步>。

   3. 在​ 筛选器[日期范围] ​对话框中，选择​ 相对日期，选择​ 年，然后指定​ 上一年。 选择​ 应用 ​和​ 确定。

   4. 将​ Purchase Revenue ​从​ 数据 ​窗格拖至​ 行。 值更改为​ SUM（采购收入）。

   5. 将​ Purchase ​从​ 数据 ​窗格拖动到​ Purchase Revenue ​旁边的​ 行。 值更改为​ SUM（购买）。

   6. 将​ 产品类别 ​从​ 数据 ​窗格拖动到​ 列。

   7. 将​ 产品名称 ​从​ 数据 ​窗格拖动到​ 列。

   8. 若要将两个垂直条形图更改为树状图，请从​ 显示我 ​中选择​ 树状图。

   9. 要限制产品数，请在​ 度量值 ​中选择​ 购买。 从下拉菜单中选择​ 筛选器。

   10. 在​ 筛选器[购买] ​对话框中，选择​ 至少 ​并输入7000。 选择​ 应用 ​和​ 确定。

   11. 从​ 适合 ​下拉菜单中选择​ 适合宽度。

       您的Tableau桌面应该如下所示。

       

5. 选择​ 新建仪表板 ​选项卡按钮（位于底部）以创建新的​ 仪表板1 ​视图。 在​ 功能板1 ​视图中：

   1. 将​ 类别 ​工作表从​ 工作表 ​托架拖放到​ 仪表板1 ​视图中，该视图显示​ 在此放置工作表。
   2. 将​ 树状图 ​工作表从​ 工作表 ​托架拖放到​ 仪表板1 ​视图的​ 类别 ​工作表下。
   3. 将​ 数据 ​工作表从​ 工作表 ​托架拖放到​ 仪表板1 ​视图的​ 树状图 ​工作表下。
   4. 调整视图中每个页面的大小。

   您的​ 仪表板1 ​视图应如下所示。

   

1. 在Looker的​ 浏览 ​界面中，确保您拥有干净的设置。 如果不是，请选择 删除字段和筛选器。

2. 选择​ 筛选器 ​下的​ +筛选器。

3. 在​ 添加筛选器 ​对话框中：

   1. 选择​ ‣抄送数据视图

   2. 从字段列表中，选择​ 日‣间范围日期，然后选择​ 日期范围日期。

      

4. 指定​ Cc数据视图日期范围日期 ​筛选器，因为​ 在 2023/01/01 之前 2024/01/01 ​的范围内。

5. 从左边栏中的​ ‣ Cc数据视图 ​部分：

   1. 选择​ 产品类别。
   2. 选择​ 产品名称。

6. 在左边栏的​ ‣自定义字段 ​部分中：

   1. 从​ +添加 ​下拉菜单中选择​ 自定义度量值。

   2. 在​ 创建自定义度量值 ​对话框中：

      1. 从​ 要度量 ​的字段下拉菜单中选择​ 购买收入。

      2. 从​ 度量值类型 ​下拉菜单中选择​ Sum。

      3. 输入​ 名称 ​的自定义字段名称。 例如：Sum of Purchase Revenue。

      4. 选择​ 字段详细信息 ​选项卡。

      5. 从​ 格式 ​下拉菜单中选择​ 小数，并确保以0小数​ 输入。

         

      6. 选择​ 保存。

   3. 从​ +添加 ​下拉菜单中选择​ 自定义度量值。 在​ 创建自定义 ​度量值对话框中：

      1. 从​ 要度量 ​的字段下拉菜单中选择​ 购买。
      2. 从​ 度量值类型 ​下拉菜单中选择​ Sum。
      3. 输入​ 名称 ​的自定义字段名称。 例如：Sum of Purchases。
      4. 选择​ 字段详细信息 ​选项卡。
      5. 从​ 格式 ​下拉菜单中选择​ 小数，并确保以0小数​ 输入。
      6. 选择​ 保存。

   4. 这两个字段都会自动添加到数据视图。

7. 在​ 筛选器 ​部分中，选择​ +筛选器。 在​ 添加筛选器 ​对话框中。 选择​ ‣自定义字段，然后选择​ 购买收入。

8. 选择​ is > ​并输入800000以限制结果。

9. 选择​ 运行。

10. 选择‣可视化图表 ​以显示折线图可视化图表。

11. 选择​ 可视化图表 ​中的​ 编辑 ​以更新可视化图表。 在弹出的对话框中：

    1. 选择​ 绘图 ​选项卡。

    2. 向下滚动并选择​ 编辑图表配置。

    3. 在​ 图表配置（覆盖） ​中修改JSON，如下面的屏幕快照所示，然后选择​ 预览。

       

    4. 选择​ 应用。

    5. 选择 旁边的​ CrossSize75 ​以隐藏弹出对话框

您应该会看到如下所示的可视化图表和表格。

1. 在新单元格中输入以下语句。

   code language-none

   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT product_category AS `Product Category`, product_name AS `Product Name`, SUM(purchase_revenue) AS `Purchase Revenue`, SUM(purchases) AS `Purchases` \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01' \ GROUP BY 1, 2 \ ORDER BY `Purchase Revenue` DESC \ LIMIT 10; df = data.DataFrame() df = df.groupby(['Product Category', 'Product Name'], as_index=False).sum() plt.figure(figsize=(8, 8)) sns.scatterplot(x='Product Category', y='Product Name', size='Purchase Revenue', sizes=(10, 200), hue='Purchases', palette='husl', data=df) plt.show() display(data)

2. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在新块中输入以下介于```{r}和` ````之间的语句。

   code language-r
   ## Multiple dimensions ranked df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2024-01-01") %>% group_by(product_category, product_name) %>% summarise(purchase_revenue = sum(purchase_revenue), purchases = sum(purchases), .groups = "keep") %>% arrange(desc(purchase_revenue), .by_group = FALSE) print(df)

2. 运行块。 您应该会看到类似于以下屏幕快照的输出。

   

1. 为确保日期范围适用于所有可视化图表，请将​ daterangeday ​从​ 数据 ​窗格拖放到此页上的​ 筛选器 ​上。

   1. 从该页面上的​ 筛选器中选择 daterangeday is (All)​。
   2. 选择​ 高级筛选 ​作为​ 筛选器类型。
   3. 将筛选器定义为​ 当值 在 1/1/2023 和 在 2/1/2023之前或之后时显示项。
   4. 选择​ 应用筛选器。

2. 在​ 数据 ​窗格中：

   1. 选择​ datarangeday。
   2. 选择​ sum cm_product_name_count_distinct，它是Customer Journey Analytics中定义的计算指标。

3. 若要将垂直条形图修改为表，请确保已选定该图表，并从​ 可视化 ​窗格中选择​ 表。

   您的Power BI桌面应该如下所示。

   

4. 选择表可视化图表。 从上下文菜单中，选择​ 复制 > 复制视觉对象。

5. 使用​ ctrl-v ​粘贴可视化图表。 可视化图表的精确副本与原始副本重叠。 将其移动到报表区域的右侧。

6. 若要将复制的可视化图表从表修改为卡片，请从​ 可视化图表 ​中选择​ 卡片。

   您的Power BI桌面应该如下所示。

   

或者，您可以使用Power BI中的不同计数功能。

1. 选择​ product_name ​维度。

2. 对​ 列 ​中的​ product_name ​维度应用​ Count (Distinct) ​函数。

   

1. 选择底部的​ 表1 ​选项卡以从​ 数据源 ​切换。 在​ 表1 ​视图中：

   1. 从​ 数据 ​窗格的​ 表 ​列表中拖动​ 日期范围 ​条目，并将该条目放到​ 筛选器 ​托架上。

   2. 在​ 筛选器字段[日期范围] ​对话框中，选择​ 日期范围，然后选择​ 下一步>。

   3. 在​ 筛选器[日期范围] ​对话框中，选择​ 日期范围，然后选择01/01/2023 - 31/1/2023。 选择​ 应用 ​和​ 确定。

   4. 将​ Cm Product Name Count Distinct ​拖至​ 行。 该值更改为​ SUM(Cm Product Name Count Distinct)。 此字段是您在Customer Journey Analytics中定义的计算指标。

   5. 将​ Daterangeday ​拖放到​ 列 ​旁边。 选择​ Daterangeday，然后从下拉菜单中选择​ Day。

   6. 若要将折线图可视化图表修改为表格，请从​ 显示我 ​中选择​ 文本表格。

   7. 从工具栏中选择​ 交换行和列。

   8. 从​ 适合 ​下拉菜单中选择​ 适合宽度。

      您的Tableau桌面应该如下所示。

      

2. 从​ 工作表1 ​选项卡上下文菜单中选择​ 复制 ​以创建第二个工作表。

3. 从​ 工作表1 ​选项卡上下文菜单中选择​ 重命名 ​以将工作表重命名为Data。

4. 从​ 工作表1 (2) ​选项卡上下文菜单中选择​ 重命名 ​以将工作表重命名为Card。

5. 确保您已选择​ 卡片 ​视图。

6. 选择​ DAY(Daterangeday)，然后从下拉菜单中选择​ 月。 值更改为​ MONTH(Daterangeday)。

7. 在​ 标记 ​中选择​ SUM(Cm Product Name Count Distinct)，然后从下拉菜单中选择​ 格式。

8. 若要更改字体大小，请在​ Format SUM(CM Product Name Count Distinct) ​窗格中，选择​ 默认值 ​内的​ 字体，然后选择字体大小为​ 72。

9. 若要对齐数字，请选择​ 对齐 ​旁边的​ 自动，并将​ 水平 ​设置为居中。

10. 若要使用整数，请选择​ 数字 ​旁边的​ 123.456，然后选择​ 数字（自定义）。 将​ 小数位 ​设置为0。

    您的Tableau桌面应该如下所示。

    

11. 选择​ 新建仪表板 ​选项卡按钮（位于底部）以创建新的​ 仪表板1 ​视图。 在​ 功能板1 ​视图中：

    1. 将​ 卡片 ​工作表从​ 工作表 ​托架拖放到​ 仪表板1 ​视图中，该视图显示​ 在此处放置工作表。
    2. 将​ 数据 ​工作表从​ 工作表 ​托架拖放到​ 仪表板1 ​视图的​ 卡片 ​工作表下。

    您的​ 仪表板1 ​视图应如下所示。

    

或者，您可以使用Tableau Desktop中的非重复计数功能。

1. 使用​ 产品名称，而不是​ Cm产品名称计数Distinct。

2. 在​ 标记 ​中的​ 产品名称 ​上应用​ 度量 > 计数（非重复）。

   

1. 在Looker的​ 浏览 ​界面中，确保您拥有干净的设置。 如果不是，请选择 删除字段和筛选器。

2. 选择​ 筛选器 ​下的​ +筛选器。

3. 在​ 添加筛选器 ​对话框中：

   1. 选择​ ‣抄送数据视图

   2. 从字段列表中，选择​ 日‣间范围日期，然后选择​ 日期范围日期。

      

4. 指定​ Cc数据视图日期范围日期 ​筛选器，因为​ 在 2023/01/01 之前 2023/02/01 ​的范围内。

5. 从左边栏中的​ ‣ Cc数据视图 ​部分：

   1. 选择​ 日期范围日期，然后选择​ 日期。

   2. 从​ 产品名称 ​上的​ ⋮更多 ​上下文菜单中选择​ 聚合非重复计数‣。

      

6. 选择​ 运行。

7. 选择‣可视化图表 ​并从工具栏中选择6︎⃣以显示单值可视化图表。

您应该会看到如下所示的可视化图表和表格。

1. 在新单元格中输入以下语句。

   code language-none
   data = %sql SELECT COUNT(DISTINCT(product_name)) AS `Product Name` \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01'; display(data)

2. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在新块中输入以下介于```{r}和` ````之间的语句。

   code language-r
   ## Count Distinct df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01") %>% summarise(product_name_count_distinct = n_distinct(product_name)) print(df)

2. 运行块。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在​ 数据 ​窗格中：

   1. 选择​ daterangemonth。
   2. 选择​ 日期范围名称。
   3. 选择​ 发生次数总和。

   您看到一个可视化图表，其中显示​ 获取此可视化图表的数据时出错。

2. 在​ 筛选器 ​窗格中：

   1. 从该视觉对象上的​ 筛选器中选择 daterangeName is (All)。
   2. 选择​ 基本筛选 ​作为​ 筛选器类型。
   3. 在​ Search ​字段下，选择​ Last Year 2023，它是您在Customer Journey Analytics中定义的日期范围的名称。
   4. 选择 以从​ 列 ​中删除​ daterangeName。

   您会看到使用应用的​ 日期范围名称 ​过滤器更新的表。 您的Power BI桌面应该如下所示。

   

1. 选择底部的​ 表1 ​选项卡以从​ 数据源 ​切换。 在​ 表1 ​视图中：

   1. 从​ 筛选器 ​托架中的​ 表 ​列表中拖动​ 日期范围名称 ​条目。

   2. 在​ 筛选器[日期范围名称] ​对话框中，确保选中​ 从列表中选择，然后从列表中选择​ 去年度2023。 选择​ 应用 ​和​ 确定。

   3. 从​ 表 ​列表中拖动​ Daterangemonth ​条目，并将该条目放入​ 行 ​旁边的字段中。 选择​ Daterangemonth ​并选择​ 月。 值更改为​ MONTH(Daterangemonth)。

   4. 从​ 表 ​列表中拖动​ 发生次数 ​条目，并将该条目放入​ 列 ​旁边的字段中。 值更改为​ SUM（发生次数）。

   5. 从​ 显示我 ​中选择​ 文本表。

   6. 从工具栏中选择​ 交换行和列。

   7. 从​ 适合 ​下拉菜单中选择​ 适合宽度。

      您的Tableau桌面应该如下所示。

      

1. 在Looker的​ 浏览 ​界面中，确保您拥有干净的设置。 如果不是，请选择 删除字段和筛选器。

2. 选择​ 筛选器 ​下的​ +筛选器。

3. 在​ 添加筛选器 ​对话框中：

   1. 选择​ ‣抄送数据视图
   2. 从字段列表中选择​ ‣日期范围名称。

4. 将​ Cc数据视图日期范围名称 ​筛选器指定为​ is，并从值列表中选择​ Last Year 2023。

5. 从左边栏中的​ ‣ Cc数据视图 ​部分：

   1. 选择​ 日期范围月，然后选择​ 月。
   2. 在左边栏（底部）中选择​ MEASURES ​下的​ 计数。

6. 选择​ 运行。

7. 选择​ ‣可视化图表。

您应该会看到如下所示的可视化图表和表格。

1. 在新单元格中输入以下语句。

   code language-python
   data = %sql SELECT daterangeName FROM cc_data_view; style = {'description_width': 'initial'} daterange_name = widgets.Dropdown( options=[d for d, in data], description='Date Range Name:', style=style ) display(daterange_name)

2. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

3. 从下拉菜单中选择​ 钓鱼产品。

4. 在新单元格中输入以下语句。

   code language-python
   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT daterangemonth AS Month, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterangeName = '{daterange_name.value}' \ GROUP BY 1 \ ORDER BY Month ASC df = data.DataFrame() df = df.groupby('Month', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.lineplot(x='Month', y='Events', data=df) plt.show() display(data)

5. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在新块中输入以下介于```{r}和 ````之间的语句。 确保使用适当的日期范围名称。 例如，Last Year 2023`。

   code language-r
   ## Monthly Events for Last Year df <- dv %>% filter(daterangeName == "Last Year 2023") %>% group_by(daterangemonth) %>% count() %>% arrange(daterangemonth, .by_group = FALSE) ggplot(df, aes(x = daterangemonth, y = n)) + geom_line(color = "#69b3a2") + ylab("Events") + xlab("Hour") print(df)

2. 运行块。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在​ 数据 ​窗格中：

   1. 选择​ 日期范围。
   2. 选择​ 筛选器名称。
   3. 选择​ 产品名称。
   4. 选择​ 发生次数总和。

您看到一个可视化图表，其中显示​ 获取此可视化图表的数据时出错。

1. 在​ 筛选器 ​窗格中：

   1. 从该视觉对象上的​ 筛选器中选择 ​筛选器名称为（全部）。
   2. 选择​ 基本筛选 ​作为​ 筛选器类型。
   3. 在​ Search ​字段下，选择​ Fishing Products，它是Customer Journey Analytics中定义的现有过滤器的名称。
   4. 从该视觉对象上的​ 筛选器中选择 ​日期范围是（全部）​。
   5. 选择​ 高级筛选 ​作为​ 筛选器类型。
   6. 将筛选器定义为​ 当值 在 1/1/2023 和 在 2/1/2023之前或之后时显示项。
   7. 选择 以从​ 列 ​中删除​ filterName。
   8. 选择 以从​ 列 ​中删除​ 日期范围。

   您会看到使用应用的​ filterName ​筛选器更新的表。 您的Power BI桌面应该如下所示。

   

1. 选择底部的​ 表1 ​选项卡以从​ 数据源 ​切换。 在​ 表1 ​视图中：

   1. 从​ 筛选器 ​托架中的​ 表 ​列表中拖动​ 筛选器名称 ​条目。

   2. 在​ 筛选器[筛选器名称] ​对话框中，确保已选中​ 从列表中选择，并从列表中选择​ 钓鱼产品。 选择​ 应用 ​和​ 确定。

   3. 从​ 筛选器 ​托架中的​ 表 ​列表中拖动​ 日期范围 ​条目。

   4. 在​ 筛选器字段[日期范围] ​对话框中，选择​ 日期范围，然后选择​ 下一步>。

   5. 在​ 筛选器[Daterang] ​对话框中，选择​ 日期范围，然后选择01/01/2023 - 01/02/2023。 选择​ 应用 ​和​ 确定。

   6. 将​ 产品名称 ​从​ 表 ​列表拖至​ 行。

   7. 从​ 表 ​列表中拖动​ 发生次数 ​条目，并将该条目放入​ 列 ​旁边的字段中。 值更改为​ SUM（发生次数）。

   8. 从​ 显示我 ​中选择​ 文本表。

   9. 从​ 适合 ​下拉菜单中选择​ 适合宽度。

      您的Tableau桌面应该如下所示。

      

1. 在Looker的​ 浏览 ​界面中，确保您拥有干净的设置。 如果不是，请选择 删除字段和筛选器。

2. 选择​ 筛选器 ​下的​ +筛选器。

3. 在​ 添加筛选器 ​对话框中：

   1. 选择​ ‣抄送数据视图

   2. 从字段列表中，选择​ 日‣间范围日期，然后选择​ 日期范围日期。

      

4. 指定​ Cc数据视图日期范围日期 ​筛选器，因为​ 在 2023/01/01 之前 2023/02/01 ​的范围内。

5. 选择​ 筛选器 ​下的​ +筛选器 ​以添加其他筛选器。

6. 在​ 添加筛选器 ​对话框中：

   1. 选择​ ‣抄送数据视图
   2. 从字段列表中，选择​ ‣筛选器名称。

7. 确保​ 是 ​筛选器的选定内容。

8. 从可能值列表中选择​ 钓鱼产品。

9. 从左边栏中的​ ‣ Cc数据视图 ​部分：

   1. 选择​ 产品名称。
   2. 在左边栏（底部）中选择​ MEASURES ​下的​ 计数。

10. 选择​ 运行。

11. 选择​ ‣可视化图表。

您应该会看到如下所示的可视化图表和表格。

1. 在新单元格中输入以下语句。

   code language-python
   data = %sql SELECT filterName FROM cc_data_view; style = {'description_width': 'initial'} filter_name = widgets.Dropdown( options=[d for d, in data], description='Filter Name:', style=style ) display(filter_name)

2. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

3. 从下拉菜单中选择​ 钓鱼产品。

4. 在新单元格中输入以下语句。

   code language-python

   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT product_name AS `Product Name`, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \ AND filterName = '{filter_name.value}' \ GROUP BY 1 \ LIMIT 10; df = data.DataFrame() df = df.groupby('Product Name', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.barplot(x='Events', y='Product Name', data=df) plt.show() display(data)

5. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在新块中输入以下介于```{r}和 ````之间的语句。 确保使用适当的过滤器名称。 例如，Fishing Products`。

   code language-r
   ## Dimension filtered by name df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01" & filterName == "Fishing Products") %>% group_by(product_name) %>% count() %>% arrange(desc(n), .by_group = FALSE) print(df)

2. 运行块。 您应该会看到类似于以下屏幕快照的输出。

   

1. 从菜单中选择​ 主页，然后从工具栏中选择​ 刷新。 您需要刷新连接以选取您刚才在Customer Journey Analytics中定义的新筛选器。

2. 在​ 数据 ​窗格中：

   1. 选择​ 日期范围。
   2. 选择​ 产品类别。
   3. 选择​ 产品名称。
   4. 选择​ 发生次数总和。

您看到一个可视化图表，其中显示​ 获取此可视化图表的数据时出错。

1. 在​ 筛选器 ​窗格中：

   1. 从该视觉对象上的​ 筛选器中选择 ​筛选器名称为（全部）。
   2. 选择​ 基本筛选 ​作为​ 筛选器类型。
   3. 从该视觉对象上的​ 筛选器中选择 ​日期范围是（全部）​。
   4. 选择​ 高级筛选 ​作为​ 筛选器类型。
   5. 将筛选器定义为​ 当值 在 1/1/2023 和 在 2/1/2023之前或之后时显示项。
   6. 选择​ 基本筛选器 ​作为​ product_category ​的​ 筛选器类型，并从可能值列表中选择​ Hunting。
   7. 选择 以从​ 列 ​中删除​ filterName。
   8. 选择 以从​ 列 ​中删除​ 日期范围。

   您会看到使用应用的​ product_category ​过滤器更新的表。 您的Power BI桌面应该如下所示。

   

Tableau Desktop不支持从Customer Journey Analytics获取产品类别的动态列表。 相反，此使用案例使用新创建的​ 打猎产品 ​的筛选器，并使用筛选器名称critetia。

1. 在​ Data Source ​视图中，在​ Data ​下，从​ cc_data_view(prod：cja%3FFLATTEN) ​上的上下文菜单中，选择​ 刷新。 您需要刷新连接以选取您刚才在Customer Journey Analytics中定义的新筛选器。

2. 选择底部的​ 表1 ​选项卡以从​ 数据源 ​切换。 在​ 表1 ​视图中：

   1. 从​ 筛选器 ​托架中的​ 表 ​列表中拖动​ 筛选器名称 ​条目。

   2. 在​ 筛选器[筛选器名称] ​对话框中，确保已选中​ 从列表中选择，并从列表中选择​ 正在搜寻产品。 选择​ 应用 ​和​ 确定。

   3. 从​ 筛选器 ​托架中的​ 表 ​列表中拖动​ 日期范围 ​条目。

   4. 在​ 筛选器字段[日期范围] ​对话框中，选择​ 日期范围，然后选择​ 下一步>。

   5. 在​ 筛选器[日期范围] ​对话框中，选择​ 日期范围，然后选择01/01/2023 - 1/2/2023。 选择​ 应用 ​和​ 确定。

   6. 将​ 产品名称 ​从​ 表 ​列表拖至​ 行。

   7. 从​ 表 ​列表中拖动​ 发生次数 ​条目，并将该条目放入​ 列 ​旁边的字段中。 值更改为​ SUM（发生次数）。

   8. 从​ 显示我 ​中选择​ 文本表。

   9. 从​ 适合 ​下拉菜单中选择​ 适合宽度。

      您的Tableau桌面应该如下所示。

      

1. 在1. 在Looker的​ 浏览 ​界面中，刷新您的连接。 选择 清除缓存并刷新。

2. 在Looker的​ 浏览 ​界面中，确保您拥有干净的设置。 如果不是，请选择 删除字段和筛选器。

3. 选择​ 筛选器 ​下的​ +筛选器。

4. 在​ 添加筛选器 ​对话框中：

   1. 选择​ ‣抄送数据视图

   2. 从字段列表中，选择​ 日‣间范围日期，然后选择​ 日期范围日期。

      

5. 指定​ Cc数据视图日期范围日期 ​筛选器，因为​ 在 2023/01/01 之前 2023/02/01 ​的范围内。

6. 选择​ 筛选器 ​下的​ +筛选器 ​以添加其他筛选器。

7. 在​ 添加筛选器 ​对话框中：

   1. 选择​ ‣抄送数据视图
   2. 从字段列表中，选择​ ‣产品类别。

8. 确保​ 是 ​作为筛选器的选择。

查找未显示​ 产品类别 ​的可能值列表。

1. 在新单元格中输入以下语句。

   code language-python
   data = %sql SELECT DISTINCT product_category FROM cc_data_view WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01'; style = {'description_width': 'initial'} category_filter = widgets.Dropdown( options=[d for d, in data], description='Product Category:', style=style ) display(category_filter)

2. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

3. 从下拉菜单中选择​ 打猎。

4. 在新单元格中输入以下语句。

   code language-python

   import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT product_name AS `Product Name`, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \ AND product_category = '{category_filter.value}' \ GROUP BY 1 \ ORDER BY Events DESC \ LIMIT 10; df = data.DataFrame() df = df.groupby('Product Name', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.barplot(x='Events', y='Product Name', data=df) plt.show() display(data)

5. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在新块中输入以下介于```{r}和 ````之间的语句。 确保使用适当的类别。 例如，Hunting`。

   code language-r
   ## Dimension 1 Filtered by Dimension 2 value df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01" & product_category == "Hunting") %>% group_by(product_name) %>% count() %>% arrange(desc(n), .by_group = FALSE) print(df)

2. 运行块。 您应该会看到类似于以下屏幕快照的输出。

   

1. 在​ 数据 ​窗格中：

   1. 选择​ 日期范围。
   2. 选择​ product_namr。
   3. 选择​ sum purchase_revenue。
   4. 选择​ 购买总和。

2. 在​ 筛选器 ​窗格中：

   1. 从该视觉对象上的​ 筛选器中选择 ​日期范围是（全部）​。
   2. 选择​ 高级筛选 ​作为​ 筛选器类型。
   3. 将筛选器定义为​ 当值 在 1/1/2023 和 在 2/1/2023之前或之后时显示项。

3. 在“可视化”窗格中：

   1. 选择 以从列中删除日期范围。
   2. 将​ Sum of purchase_revenue ​拖到​ 列 ​项的底部。

4. 在报表中，选择​ Sum of purchase_revenue ​以按采购收入的降序对表进行排序。

   您的Power BI桌面应该如下所示。

   

Power BI Desktop使用BI扩展执行的查询不包含sort语句。 缺少sort语句意味着排序在客户端执行。

select "_"."product_name",
    "_"."a0",
    "_"."a1"
from
(
    select "rows"."product_name" as "product_name",
        sum("rows"."purchases") as "a0",
        sum("rows"."purchase_revenue") as "a1"
    from
    (
        select "_"."daterangeName",
            "_"."daterange",
            "_"."filterId",
            "_"."filterName",
            "_"."timestamp",
            "_"."affiliate_name",
            "_"."affiliate_url",
            "_"."commerce.order.priceTotal",
            "_"."customer_city",
            "_"."customer_region",
            "_"."daterangeday",
            "_"."daterangefifteenminute",
            "_"."daterangefiveminute",
            "_"."daterangehour",
            "_"."daterangeminute",
            "_"."daterangemonth",
            "_"."daterangequarter",
            "_"."daterangesecond",
            "_"."daterangethirtyminute",
            "_"."daterangeweek",
            "_"."daterangeyear",
            "_"."hitdatetime",
            "_"."page_name",
            "_"."page_url",
            "_"."product_category",
            "_"."product_name",
            "_"."product_short_review",
            "_"."product_subCategory",
            "_"."referrer_url",
            "_"."search_engine",
            "_"."search_keywords",
            "_"."store_city",
            "_"."store_name",
            "_"."store_region",
            "_"."store_type",
            "_"."timepartdayofmonth",
            "_"."timepartdayofweek",
            "_"."timepartdayofyear",
            "_"."timeparthourofday",
            "_"."timepartminuteofhour",
            "_"."timepartmonthofyear",
            "_"."timepartquarterofyear",
            "_"."timepartweekofyear",
            "_"."cm_session_end_rate_defaultmetric",
            "_"."cm_session_person_defaultmetric",
            "_"."cm_session_start_rate_defaultmetric",
            "_"."cm_timespent_person_defaultmetric",
            "_"."cm_timespent_session_defaultmetric",
            "_"."cm_product_name_count_distinct",
            "_"."ad_views",
            "_"."adobe_sessionends",
            "_"."adobe_sessionstarts",
            "_"."adobe_timespent",
            "_"."exchange_buybacks",
            "_"."exchange_cost",
            "_"."exchange_purchases",
            "_"."exchange_revenue",
            "_"."occurrences",
            "_"."page_views",
            "_"."product_quantity",
            "_"."product_reviews",
            "_"."product_views",
            "_"."purchase_revenue",
            "_"."purchases",
            "_"."visitors",
            "_"."visits"
        from "public"."cc_data_view" "_"
        where "_"."daterange" < date '2023-02-01' and "_"."daterange" >= date '2023-01-01'
    ) "rows"
    group by "product_name"
) "_"
where not "_"."a0" is null or not "_"."a1" is null
limit 1000001

1. 选择底部的​ 表1 ​选项卡以从​ 数据源 ​切换。 在​ 表1 ​视图中：

   1. 从​ 筛选器 ​托架中的​ 表 ​列表中拖动​ 日期范围 ​条目。

   2. 在​ 筛选器字段[日期范围] ​对话框中，选择​ 日期范围，然后选择​ 下一步>。

   3. 在​ 筛选器[日期范围] ​对话框中，选择​ 日期范围，然后选择01/01/2023 - 1/2/2023。 选择​ 应用 ​和​ 确定。

   4. 从​ 表 ​列表中拖动​ 产品名称，并将该条目放入​ 行 ​旁边的字段中。

   5. 从​ Tables ​列表中拖动​ Purchases ​条目，并将该条目放入​ 列 ​旁边的字段中。 值更改为​ SUM（购买）。

   6. 将​ Purchase Revenue ​条目从​ 表 ​列表中拖放到​ 列 ​旁的字段中，SUM（购买） ​旁边。 值更改为​ SUM（采购收入）。

   7. 从​ 显示我 ​中选择​ 文本表。

   8. 从​ 适合 ​下拉菜单中选择​ 适合宽度。

   9. 选择​ Purchase Revenue ​列标题并对此列上的表按降序排序。

      您的Tableau桌面应该如下所示。

      

Tableau Desktop使用BI扩展执行的查询不包含sort语句。 缺少此sort语句意味着排序在客户端执行。

SELECT CAST("cc_data_view"."product_name" AS TEXT) AS "product_name",
  SUM("cc_data_view"."occurrences") AS "sum:occurrences:ok",
  SUM("cc_data_view"."purchase_revenue") AS "sum:purchase_revenue:ok",
  SUM("cc_data_view"."purchases") AS "sum:purchases:ok"
FROM "public"."cc_data_view" "cc_data_view"
WHERE (("cc_data_view"."daterange" >= (DATE '2023-01-01')) AND ("cc_data_view"."daterange" <= (DATE '2023-02-01')))
GROUP BY 1

1. 在Looker的​ 浏览 ​界面中，刷新您的连接。 选择 清除缓存并刷新。

2. 在Looker的​ 浏览 ​界面中，确保您拥有干净的设置。 如果不是，请选择 删除字段和筛选器。

3. 选择​ 筛选器 ​下的​ +筛选器。

4. 在​ 添加筛选器 ​对话框中：

   1. 选择​ ‣抄送数据视图

   2. 从字段列表中，选择​ 日‣间范围日期，然后选择​ 日期范围日期。

      

5. 指定​ Cc数据视图日期范围日期 ​筛选器，因为​ 在 2023/01/01 之前 2023/02/01 ​的范围内。

6. 从左边栏中的​ ‣ Cc数据视图 ​部分，选择​ 产品名称。

7. 在左边栏的​ ‣自定义字段 ​部分中：

   1. 从​ +添加 ​下拉菜单中选择​ 自定义度量值。

   2. 在​ 创建自定义度量值 ​对话框中：

      1. 从​ 要度量 ​的字段下拉菜单中选择​ 购买收入。

      2. 从​ 度量值类型 ​下拉菜单中选择​ Sum。

      3. 输入​ 名称 ​的自定义字段名称。 例如：Sum of Purchase Revenue。

      4. 选择​ 字段详细信息 ​选项卡。

      5. 从​ 格式 ​下拉菜单中选择​ 小数，并确保以0小数​ 输入。

         

      6. 选择​ 保存。

8. 请确保在​ Purchase Revenue ​列上选择​ ↓ （降序，排序顺序： 1）。

9. 选择​ 运行。

10. 选择​ ‣可视化图表。

您应该会看到如下所示的可视化图表和表格。

Looker使用BI扩展生成的查询包括ORDER BY，这意味着排序通过Looker和BI扩展执行。

-- Looker Query Context '{"user_id":6,"history_slug":"fc83573987b999306eaf6e1a3f2cde70","instance_slug":"71d4667f0b76c0011463658f45c3f7a3"}'
SELECT
    cc_data_view."product_name"  AS "cc_data_view.product_name",
    COALESCE(SUM(CAST(( cc_data_view."purchase_revenue"  ) AS DOUBLE PRECISION)), 0) AS "purchase_revenue"
FROM
    "public"."cc_data_view" AS "cc_data_view"
WHERE ((( cc_data_view."daterange"  ) >= (DATE_TRUNC('day', DATE '2024-01-31')) AND ( cc_data_view."daterange"  ) < (DATE_TRUNC('day', DATE '2023-02-01'))))
GROUP BY
    1
ORDER BY
    2 DESC
FETCH NEXT 500 ROWS ONLY

1. 在新单元格中输入以下语句。

   code language-python
   data = %sql SELECT product_name AS `Product Name`, SUM(purchase_revenue) AS `Purchase Revenue`, SUM(purchases) AS `Purchases` \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \ GROUP BY 1 \ ORDER BY `Purchase Revenue` DESC \ LIMIT 5; display(data)

2. 执行单元格。 您应该会看到类似于以下屏幕快照的输出。

   

查询由Jupyter Notebook中定义的BI扩展执行。

1. 在新块中输入以下介于```{r}和` ````之间的语句。

   code language-r
   ## Dimension 1 Sorted df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01") %>% group_by(product_name) %>% summarise(purchase_revenue = sum(purchase_revenue), purchases = sum(purchases), .groups = "keep") %>% arrange(desc(purchase_revenue), .by_group = FALSE) print(df)

2. 运行块。 您应该会看到类似于以下屏幕快照的输出。

   

RStudio使用BI扩展生成的查询包括ORDER BY，这意味着顺序通过RStudio和BI扩展应用。

SELECT
  "product_name",
  SUM("purchase_revenue") AS "purchase_revenue",
  SUM("purchases") AS "purchases"
FROM (
  SELECT "cc_data_view".*
  FROM "cc_data_view"
  WHERE ("daterange" >= '2023-01-01' AND "daterange" < '2023-02-01')
) AS "q01"
GROUP BY "product_name"
ORDER BY "purchase_revenue" DESC
LIMIT 1000