BI 扩展用例
- 主题:
- 数据视图
创建对象:
- 用户
本文记录如何使用Customer Journey Analytics BI扩展完成多个用例。 每个用例都说明了Customer Journey Analytics功能,以及支持的每个BI工具的详细信息:
- Power BI桌面。 使用的版本为2.137.1102.0 64位(2024年10月)。
- Tableau桌面。 使用的版本为2024.1.5 (20241.24.0705.0334) 64位。
- Looker。 联机版本25.0.23,可通过looker.com使用
- Jupyter笔记本。 使用的版本为7.3.2。
- RStudio。 使用的版本为2024.12.0,内部版本为467。
已记录以下用例:
connect 用例侧重于如何使用Customer Journey Analytics BI扩展连接BI工具。
报告和分析 用例指导如何在当前支持的BI工具中实现类似的Customer Journey Analytics可视化图表。
了解 用例提供了有关以下内容的更多详细信息:
- 使用BI工具报告和分析时发生的转换。
- Customer Journey Analytics和BI工具之间的可视化图表异同。
- 您应了解的每个BI工具的注意事项。
连接并验证
此用例设置从BI工具到Customer Journey Analytics的连接,列出可用的数据视图,并选择要使用的数据视图。
这些说明引用了具有以下对象的示例环境:
- 数据视图: C&C — 数据视图??。
- 维度:产品名称??和 产品类别??。
- 量度:购买收入??和 购买??。
- 筛选器: 个钓鱼产品??。
当您完成使用案例时,请将这些示例对象替换为适合您特定环境的对象。
-
从Experience Platform查询服务UI访问所需的凭据和参数。
-
导航到您的Experience Platform沙盒。
-
从左边栏中选择
-
在 查询 界面中选择 凭据 选项卡。
-
从 数据库 下拉菜单中选择
prod:cja
。
-
-
启动Power BI Desktop。
-
从主界面中选择 从其他源获取数据。
-
在 获取数据 对话框中:
1. 搜索并选择**PostgreSQL数据库**。 1. 选择**连接**。
-
在 PostgreSQL数据库 对话框中:
1. 使用从Experience Platform **查询** **过期凭据**面板中复制并粘贴**主机**和**端口**值,以`:`分隔,作为**服务器**的值。 例如:`examplecompany.platform-query.adobe.io:80`。 1. 使用从Experience Platform **查询** **过期凭据**面板复制并粘贴**数据库**值。 将`?FLATTEN`添加到您粘贴的值。 例如,`prod:cja?FLATTEN`。 1. 选择**DirectQuery**作为**数据连接模式**。 1. 选择**确定**。
-
在 PostgreSQL数据库 - 数据库 对话框中:
1. 使用从**用户名**和**密码**字段中的Experience Platform **查询** **过期凭据**面板中复制**用户名**和**密码**值。 如果您使用的是[不会过期的凭据](https://experienceleague.adobe.com/zh-hans/docs/experience-platform/query/ui/credentials?lang=zh-Hans#use-credential-to-connect),请使用不会过期的凭据的密码。 1. 确保**选择要将这些设置应用到**的级别的下拉菜单设置为您之前定义的**服务器**。 1. 选择**连接**。
-
在 导航器 对话框中,将检索数据视图。 此检索可能需要一些时间。 检索后,您将在Power BI Desktop中看到以下内容。
1. 从左侧面板的列表中选择**public.cc_data_view**。 1. 您有两个选项: 1. 选择**加载**以继续并完成安装。 1. 选择**转换数据**。 您会看到一个对话框,可以在其中选择将转换作为配置的一部分应用。
<img src="https://experienceleague.adobe.com/docs/analytics-platform/assets/powerbi-transform-data.png?lang=zh-Hans" alt="Power BI桌面转换数据" class="modal-image"> * 选择​**关闭并应用**。
-
一段时间后,public.cc_data_view 显示在 数据 窗格中。 选择
-
是否扁平化
Power BI Desktop支持FLATTEN
参数的以下方案。 有关详细信息,请参阅拼合嵌套数据。
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
更多信息
-
从Experience Platform查询服务UI访问所需的凭据和参数。
-
导航到您的Experience Platform沙盒。
-
从左边栏中选择
-
在 查询 界面中选择 凭据 选项卡。
-
从 数据库 下拉菜单中选择
prod:cja
。
-
-
启动“表格”。
-
从 To a Server 下的左边栏中选择 PostgreSQL。 如果不可用,请选择 更多……,然后从 安装的连接器 中选择 PostgreSQL。
-
在 PostgreSQL 对话框的 常规 选项卡中:
1. 使用将**主机**从Experience Platform **查询** **过期凭据**面板复制并粘贴到**服务器**。 1. 使用将**端口**从Experience Platform **查询** **过期凭据**面板复制并粘贴到**端口**。 1. 使用将**数据库**从Experience Platform **查询** **过期凭据**面板复制并粘贴到**数据库**。 将`%3FFLATTEN`添加到您粘贴的值。 例如:`prod:cja%3FFLATTEN`。 1. 从**身份验证**下拉菜单中选择**用户名和密码**。 1. 使用将**用户名**从Experience Platform **查询** **过期凭据**面板复制并粘贴到**用户名**。 1. 使用将**密码**从Experience Platform **查询** **过期凭据**面板复制并粘贴到**密码**。 如果您使用的是[不会过期的凭据](https://experienceleague.adobe.com/zh-hans/docs/experience-platform/query/ui/credentials?lang=zh-Hans#use-credential-to-connect),请使用不会过期的凭据的密码。 1. 确保已选中**Require SSL**。 1. 选择**登录**。
在Tableau Desktop验证连接时,您会看到 处理请求 对话框。
-
在主窗口中,您会在左窗格的 Data Source 页面中看到:
-
连接 下的连接名称。
-
数据库 下的数据库名称。
-
表 下的表列表。
- 将 cc_data_view 条目拖放到显示 将表 拖放到此处的主视图中。
-
-
主窗口显示 cc_data_view 数据视图的详细信息。
-
是否扁平化
Tableau Desktop支持FLATTEN
参数的以下方案。 有关详细信息,请参阅拼合嵌套数据。
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
%3FFLATTEN
是?FLATTEN
的URL编码版本。更多信息
-
从Experience Platform查询服务UI访问所需的凭据和参数。
-
导航到您的Experience Platform沙盒。
-
从左边栏中选择
-
在 查询 界面中选择 凭据 选项卡。
-
从 数据库 下拉菜单中选择
prod:cja
。
-
-
登录到Looker
-
从左边栏中选择 管理员。
-
选择 连接。
-
选择 添加连接。
-
在 将数据库连接到Looker屏幕 中。
- 为您的连接输入 Name,例如
Example Looker Connection
。 - 确保选择 所有项目 作为 连接作用域。
- 选择 PostgreSQL 9.5+ 作为方言。
- 使用
examplecompany.platform-query.adobe.io
。 - 使用
80
。 - 使用
%3FFLATTEN
添加到您粘贴的值。 例如,prod:cja%3FFLATTEN
。 - 使用
- 使用
- 选择 在 可选设置 处展开全部。
- 将每个节点的最大连接数 设置为
5
。 - 确保启用 SSL。
- 选择 测试 以测试连接。 您应该会看到屏幕顶部出现一个横幅,其中显示一条消息,如 Success, can connect JDBC …。
- 选择 连接 以建立和保存连接。
- 为您的连接输入 Name,例如
-
您可以在 连接 界面中看到新连接。
-
从 管理员 中选择 ← 以转到左边栏中的主导航。
-
选择 开发。
-
选择 项目。
-
在LookML项目中选择 新建模型。
-
以确保不会影响其他用户。 出现提示时,选择Enter Development Mode。
-
在 创建模型 体验中:
-
在 ➊中,选择数据库连接:
- 在 选择数据库连接 中选择数据库连接。 例如:example_looker_connection。
- 在 中命名您的项目创建此模型的新LookML项目。 针对
example: example_looker_project
。 - 选择 下一步。
-
在 ➋中,选择表:
- 选择 public,然后确保已选择您的Customer Journey Analytics数据视图。 例如:
- 选择 下一步。
- 选择 public,然后确保已选择您的Customer Journey Analytics数据视图。 例如:
-
在 ➌中,选择主键:
- 选择 下一步。
-
在 ➍中,选择要创建的探索:
- 确保选择您的视图。 例如:cc_data_view.view。
- 选择 下一步。
-
在 中➎输入模型名称:
- 命名您的模型。 例如:
example_looker_model
。
- 命名您的模型。 例如:
-
选择 完成并浏览数据。
-
您将被重定向到Looker的 浏览 界面,准备浏览数据。
-
是否扁平化
Looker支持FLATTEN
参数的以下方案。 有关详细信息,请参阅拼合嵌套数据。
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
%3FFLATTEN
是?FLATTEN
的URL编码版本。更多信息
-
从Experience Platform查询服务UI访问所需的凭据和参数。
-
导航到您的Experience Platform沙盒。
-
从左边栏中选择
-
在 查询 界面中选择 凭据 选项卡。
-
从 数据库 下拉菜单中选择
prod:cja
。
-
-
确保已设置专用Python虚拟环境来运行Jupyter Notebook环境。
-
确保在虚拟环境中安装了所需的库:
- ipython-sql:
pip install ipython-sql
。 - psycopg2-binary:
pip install psycopg-binary
。 - sqlalchemy: pip
install sqlalchemy
。
- ipython-sql:
-
从您的虚拟环境中启动Jupyter Notebook:
jupyter notebook
。 -
创建新笔记本,或下载此示例笔记本。
-
在第一个单元格中,输入并执行:
%config SqlMagic.style = '_DEPRECATED_DEFAULT'
-
在新单元格中输入连接的配置参数。 使用
import ipywidgets as widgets from IPython.display import display config_host = widgets.Text(description='Host:', value='example.platform-query-stage.adobe.io', layout=widgets.Layout(width="600px")) display(config_host) config_port = widgets.IntText(description='Port:', value=80, layout=widgets.Layout(width="200px")) display(config_port) config_db = widgets.Text(description='Database:', value='prod:cja', layout=widgets.Layout(width="300px")) display(config_db) config_username = widgets.Text(description='Username:', value='EC582F955C8A79F70A49420E@AdobeOrg', layout=widgets.Layout(width="600px")) display(config_username) config_password = widgets.Password(description='Password:', value='***', layout=widgets.Layout(width="600px")) display(config_password)
-
执行单元格。
-
使用
-
在新单元格中,输入要加载SQL扩展和所需库的语句,并与Customer Journey Analytics连接。
%load_ext sql from sqlalchemy import create_engine %sql postgresql://{config_username.value}:{config_password.value}@{config_host.value}:{config_port.value}/{config_db.value}?sslmode=require
执行shell。 您应该不会看到任何输出,但单元格应在没有任何警告的情况下执行。
-
在新调用中,输入语句以根据连接获取可用数据视图的列表。
%%sql SELECT n.nspname as "Schema", c.relname as "Name", CASE c.relkind WHEN 'r' THEN 'table' WHEN 'v' THEN 'view' WHEN 'm' THEN 'materialized view' WHEN 'i' THEN 'index' WHEN 'S' THEN 'sequence' WHEN 's' THEN 'special' WHEN 't' THEN 'TOAST table' WHEN 'f' THEN 'foreign table' WHEN 'p' THEN 'partitioned table' WHEN 'I' THEN 'partitioned index' END as "Type", pg_catalog.pg_get_userbyid(c.relowner) as "Owner" FROM pg_catalog.pg_class c LEFT JOIN pg_catalog.pg_namespace n ON n.oid = c.relnamespace WHERE c.relkind IN ('v','') AND n.nspname <> 'pg_catalog' AND n.nspname !~ '^pg_toast' AND n.nspname <> 'information_schema' AND pg_catalog.pg_table_is_visible(c.oid) AND c.relname NOT LIKE '%test%' AND c.relname NOT LIKE '%ajo%' ORDER BY 1,2;
执行shell。 您应该会在下面的屏幕快照中看到输出模拟。
您应该会在数据视图列表中看到 cc_data_view。
是否扁平化
Jupyter Notebook支持FLATTEN
参数的以下方案。 有关详细信息,请参阅拼合嵌套数据。
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
%3FFLATTEN
是?FLATTEN
的URL编码版本。更多信息
-
从Experience Platform查询服务UI访问所需的凭据和参数。
-
导航到您的Experience Platform沙盒。
-
从左边栏中选择
-
在 查询 界面中选择 凭据 选项卡。
-
从 数据库 下拉菜单中选择
prod:cja
。
-
-
启动RStudio。
-
创建新的R Markdown文件,或下载此示例R Markdown文件。
-
在第一个块中,输入以下介于
```{r}
和````之间的语句。 使用 ![复制][image16]将Experience Platform **查询** **过期凭据** 面板中的值复制并粘贴到各种参数(如
host、
dbname和
user`)所需的值。 例如:library(rstudioapi) library(DBI) library(dplyr) library(tidyr) library(RPostgres) library(ggplot2) host <- rstudioapi::showPrompt(title = "Host", message = "Host", default = "orangestagingco.platform-query-stage.adobe.io") dbname <- rstudioapi::showPrompt(title = "Database", message = "Database", default = "prod:cja?FLATTEN") user <- rstudioapi::showPrompt(title = "Username", message = "Username", default = "EC582F955C8A79F70A49420E@AdobeOrg") password <- rstudioapi::askForPassword(prompt = "Password")
-
运行块。 系统会提示您输入 主机、数据库 和 用户。 只需接受您在上一步中提供的值即可。
-
使用
-
创建一个新块并输入以下介于
``` {r}
和`之间的语句。
con <- dbConnect( RPostgres::Postgres(), host = host, port = 80, dbname = dbname, user = user, password = password, sslmode = 'require' )
-
运行块。 如果连接成功,您应该不会看到任何输出。
-
创建一个新块并输入以下介于
``` {r}
和`之间的语句。
views <- dbListTables(con) print(views)
-
运行块。 您应该看到
character(0)
作为唯一输出。 -
创建一个新块并输入以下介于
``` {r}
和`之间的语句。
glimpse(dv)
-
运行块。 您应该会在下面的屏幕快照中看到输出模拟。
是否扁平化
RStudio支持FLATTEN
参数的以下方案。 有关详细信息,请参阅拼合嵌套数据。
prod:cja
?FLATTEN
prod:cja?FLATTEN
%3FFLATTEN
prod:cja%3FFLATTEN
更多信息
每日趋势
在此使用案例中,您要显示一个表格和简单的折线图可视化图表,其中显示2023年1月1日至2023年1月31日期间的每日发生次数(事件)趋势。
用例的 每日趋势 面板示例:
-
在 数据 窗格中:
- 选择 daterangeday。
- 选择 ∑发生次数。
您会看到一个显示当月发生次数的表。 为了获得更好的可见性,请放大可视化图表。
-
在 筛选器 窗格中:
- 从此视觉对象上的 筛选器中选择 daterangeday is (All)****。
- 选择 高级筛选 作为 筛选器类型。
- 将筛选器定义为 当值 位于或晚于
1/1/2023
且 位于2/1/2023.
时显示项您可以使用日历图标挑选日期。 - 选择 应用筛选器。
您会看到使用应用的 daterangeday 过滤器更新的表。
-
在 可视化图表 窗格中,选择 折线图 可视化图表。
使用与表相同的数据时,折线图可视化图表会替换表。 您的Power BI桌面应该如下所示。
-
在折线图可视化图表上:
- 选择
- 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。 您的Power BI桌面应该如下所示。
- 选择
-
选择底部的 表1 选项卡以从 数据源 视图切换。 在 表1 视图中:
-
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。
-
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>。
-
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
-01/02/2023
。 -
从 数据 窗格的 表 列表中拖放 Daterangeday,并将条目拖放到 列 旁边的字段中。
- 从 Daterangeday 下拉菜单中选择 Day,以便将该值更新为 DAY(Daterangeday)。
-
从 数据 窗格中的 表(度量值名称) 列表中拖放 发生次数,并将条目拖放到 行 旁边的字段中。 该值会自动转换为 SUM(发生次数)。
-
从工具栏中的 适应 下拉菜单将 标准 修改为 整个视图。
您的Tableau桌面应该如下所示。
-
-
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。
-
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
Graph
。 -
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
Data
。 -
确保已选择 数据 工作表。 在 数据 视图中:
-
选择右上角的 向我显示 并选择 文本表(左上角可视化图表)以将数据视图的内容修改为表。
-
从工具栏中选择 交换行和列。
-
从工具栏中的 适应 下拉菜单将 标准 修改为 整个视图。
您的Tableau桌面应该如下所示。
-
-
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:
-
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。
-
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。
-
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Tableau桌面应该如下所示。
-
-
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
-
选择 筛选器 下的 +筛选器。
-
在 添加筛选器 对话框中:
-
选择 ‣抄送数据视图
-
从字段列表中,选择 日‣间范围日期,然后选择 日期范围日期。
-
-
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。
-
从左边栏中的 抄送数据视图 部分,
- 从 DIMENSIONS‣ 的列表中选择 日期范围日期,然后选择 日期。
- 在左边栏(底部)中选择 MEASURES 下的 计数。
-
选择 运行。
-
选择‣可视化图表 以显示折线图可视化图表。
您应该会看到如下所示的可视化图表和表格。
-
在新单元格中输入以下语句。
import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT daterangeday AS Date, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-02-01' \ GROUP BY 1 \ ORDER BY Date ASC df = data.DataFrame() df = df.groupby('Date', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.lineplot(x='Date', y='Events', data=df) plt.show() display(data)
-
执行单元格。 您应该会看到类似于以下屏幕快照的输出。
-
在新块中输入以下介于
```{r}
和` ````之间的语句。## Daily Events df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-02-01") %>% group_by(daterangeday) %>% count() %>% arrange(daterangeday, .by_group = FALSE) ggplot(df, aes(x = daterangeday, y = n)) + geom_line(color = "#69b3a2") + ylab("Events") + xlab("Date") print(df)
-
运行块。 您应该会看到类似于以下屏幕快照的输出。
每小时趋势
在此使用案例中,您要显示一个表格和简单的折线图可视化图表,其中显示2023年1月1日发生次数(事件)的每小时趋势。
用例的 每小时趋势 面板示例:
-
选择底部的 表1 选项卡以从 数据源 切换。 在 表1 视图中:
-
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。
-
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>。
-
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
-02/01/2023
。 -
从 数据 窗格的 表 列表中拖放 Daterangehour,并将条目拖放到 列 旁边的字段中。
- 从 Daterangeday 下拉菜单中选择 More > Hours,以便将该值更新为 HOUR(Daterangeday)。
-
从 数据 窗格中的 表(度量值名称) 列表中拖放 发生次数,并将条目拖放到 行 旁边的字段中。 该值会自动转换为 SUM(发生次数)。
-
从工具栏中的 适应 下拉菜单将 标准 修改为 整个视图。
您的Tableau桌面应该如下所示。
-
-
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。
-
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
Graph
。 -
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
Data
。 -
确保已选择 数据 工作表。 在 数据 视图中:
-
选择右上角的 向我显示 并选择 文本表(左上角可视化图表)以将数据视图的内容修改为表。
-
将 HOUR(Daterangeday) 从 列 拖到 行。
-
从工具栏中的 适应 下拉菜单将 标准 修改为 整个视图。
您的Tableau桌面应该如下所示。
-
-
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:
-
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。
-
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。
-
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。
-
-
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
-
选择 筛选器 下的 +筛选器。
-
在 添加筛选器 对话框中:
-
选择 ‣抄送数据视图
-
从字段列表中,选择 日‣间范围日期,然后选择 日期范围日期。
-
-
指定 Cc数据视图日期范围日期 筛选器,因为 在 2023/01/01 之前 2023/01/02 的范围内。
-
从左边栏中的 抄送数据视图 部分,
- 从‣DIMENSIONS 的列表中选择 Daterangehour Date,然后选择 Time。
- 在左边栏(底部)中选择 MEASURES 下的 计数。
-
选择 运行。
-
选择‣可视化图表 以显示折线图可视化图表。
您应该会看到如下所示的可视化图表和表格。
-
在新单元格中输入以下语句。
import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT daterangehour AS Hour, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2023-01-02' \ GROUP BY 1 \ ORDER BY Hour ASC df = data.DataFrame() df = df.groupby('Hour', as_index=False).sum() plt.figure(figsize=(15, 3)) sns.lineplot(x='Hour', y='Events', data=df) plt.show() display(data)
-
执行单元格。 您应该会看到类似于以下屏幕快照的输出。
-
在新块中输入以下介于
```{r}
和` ````之间的语句。## Hourly Events df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-01-02") %>% group_by(daterangehour) %>% count() %>% arrange(daterangehour, .by_group = FALSE) ggplot(df, aes(x = daterangehour, y = n)) + geom_line(color = "#69b3a2") + ylab("Events") + xlab("Hour") print(df)
-
运行块。 您应该会看到类似于以下屏幕快照的输出。
每月趋势
在此使用案例中,您要显示一个表格和简单的折线图可视化图表,其中显示2023年发生次数(事件)的每月趋势。
使用案例的 每月趋势 面板示例:
-
在 数据 窗格中:
- 选择 daterangemonth。
- 选择 ∑发生次数。
您会看到一个显示当月发生次数的表。 为了获得更好的可见性,请放大可视化图表。
-
在 筛选器 窗格中:
- 从此视觉对象上的 筛选器中选择 daterangemonth is (All) 。
- 选择 高级筛选 作为 筛选器类型。
- 将筛选器定义为 当值 位于或晚于
1/1/2023
且 位于1/1/2024.
时显示项您可以使用日历图标挑选日期。 - 选择 应用筛选器。
您会看到使用应用的 daterangemonth 过滤器更新的表。
-
在 可视化图表 窗格中:
- 选择 折线图 可视化图表。
使用与表相同的数据时,折线图可视化图表会替换表。 您的Power BI桌面应该如下所示。
-
在折线图可视化图表上:
- 选择
- 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。 您的Power BI桌面应该如下所示。
- 选择
-
选择底部的 表1 选项卡以从 数据源 切换。 在 表1 视图中:
-
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。
-
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>。
-
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
-01/01/2024
。 -
从 数据 窗格的 表 列表中拖放 Daterangeday,并将条目拖放到 列 旁边的字段中。
- 从 Daterangeday 下拉菜单中选择 MONTH,以便将该值更新为 MONTH(Daterangeday)。
-
从 数据 窗格中的 表(度量值名称) 列表中拖放 发生次数,并将条目拖放到 行 旁边的字段中。 该值会自动转换为 SUM(发生次数)。
-
从工具栏中的 适应 下拉菜单将 标准 修改为 整个视图。
您的Tableau桌面应该如下所示。
-
-
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。
-
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
Graph
。 -
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
Data
。 -
确保已选择 数据 工作表。 在“数据”视图中:
-
选择右上角的 向我显示 并选择 文本表(左上角可视化图表)以将数据视图的内容修改为表。
-
将 MONTH(Daterangeday) 从 列 拖到 行。
-
从工具栏中的 适应 下拉菜单将 标准 修改为 整个视图。
您的Tableau桌面应该如下所示。
-
-
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:
-
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。
-
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。
-
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Tableau桌面应该如下所示。
-
-
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
-
选择 筛选器 下的 +筛选器。
-
在 添加筛选器 对话框中:
-
选择 ‣抄送数据视图
-
从字段列表中,选择 日‣间范围日期,然后选择 日期范围日期。
-
-
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。
-
从左侧 抄送数据视图 边栏,
- 从‣DIMENSIONS 的列表中选择 Daterangemonth Date,然后选择 Month。
- 在左边栏(底部)中选择 MEASURES 下的 计数。
-
选择 运行。
-
选择‣可视化图表 以显示折线图可视化图表。
您应该会看到如下所示的可视化图表和表格。
-
在新单元格中输入以下语句。
import seaborn as sns import matplotlib.pyplot as plt data = %sql SELECT daterangemonth AS Month, COUNT(*) AS Events \ FROM cc_data_view \ WHERE daterange BETWEEN '2023-01-01' AND '2024-01-01' \ 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)
-
执行单元格。 您应该会看到类似于以下屏幕快照的输出。
-
在新块中输入以下介于
```{r}
和` ````之间的语句。## Hourly Events df <- dv %>% filter(daterange >= "2023-01-01" & daterange < "2023-01-02") %>% group_by(daterangehour) %>% count() %>% arrange(daterangehour, .by_group = FALSE) ggplot(df, aes(x = daterangehour, y = n)) + geom_line(color = "#69b3a2") + ylab("Events") + xlab("Hour") print(df)
-
运行块。 您应该会看到类似于以下屏幕快照的输出。
单个维度排名
在此使用案例中,您希望显示一个表格和简单的条形图可视化图表,其中显示产品名称在2023年的购买和购买收入。
用例的 单个Dimension排名 面板示例: