Tableau学习Step5一表计算、详细级别表达式、动作、外接python

Tableau学习Step5一表计算、详细级别表达式、动作、外接python Tableau学习Step5一表计算、详细级别表达式、动作、外接python

本文首发于博客冰山一树Sankey，去博客浏览效果更好。
)
Tableau学习Step4一数据解释、异常值监测、参数使用、分析结果如何对外发布

一. 表计算 1.1 什么是表计算

是特殊类型的计算字段根据当前的可视化内容（基于当前内容构建的虚拟表）进行计算，如排名、汇总、差分、定基比/环比…表计算并不考虑当前可视化内容中被筛选掉的任何度量或维度表计算的结果并不影响数据源中的数据表

1.2 分区与寻址

分区字段

用于定义计算组方式(确定执行表计算所针对的数据范围)的维度分区字段将视图拆分成多个子视图(或子表),系统在每个分区内单独执行表计算

寻址字段

执行表计算所需要使用的其余维度

用于确定计算时的移动方向

横穿(从左到右)向下(从上到下)横穿,然后向下向下,然后横穿 1.2.1 横穿 VS 向下

1.2.2 横穿,然后向下 VS 向下,然后横穿

1.2.3 加入分区维度

1.2.4 单元格内计算与特殊级别

1.3 表计算常见类型

1.4 如何创建表计算 1.4.1 快速表计算

1.4.2 自定义表计算

1.4.3 计算新变量方式添加表计算

(1)

(2)

二. 详细级别表达式 2.1 表达式级别

2.2 什么是详细级别表达式

2.3 FIXED

2.4 INCLUDE

2.5 EXCLUDE

2.6 全表范围

LOD表达式的类型:全表范围

2.7 注意事项

三. 动作 3.1 集动作

集动作使得用户在与可视化项或仪表板交互时可以直接更改集值

为集分配值、将值添加到集、从集中移除值 集动作的一般步骤

创建一个或多个集创建一个集动作,该动作使用某一个集可选:创建使用集的计算字段构建一个可视化项,该可视化项使用集动作所引用的集测试并修改集动作 3.1.1 选择性数据下钻展示

步骤：

3.1.2 动态切换标色

3.2 参数动作

四. 外接Python 4.1 直接外接Python

按 tableau调用的数据格式编写 python代码

import numpy as np
#传入时使用单个值或者lst
a=[1,23,4]
b=[5.6,7,8]
#传出时为lst
np. add(np array(a), np array (b)). tolisto

如何在tableau中调用tably

script BOOL/INT/REAL/STRO
    需要调用的 python代码",依次给出使用的参数列表
    )# python代码中,参数依次用_arg1,arg2.进行标识
    
script REAL(
    import numpy as np
    return np. add(np array( arg 1), np array( arg2 ). tolisto)
    avg(现状指数]),avg(预期指数]
    )

注意：在 tableau中调用 tabby针对的是表计算级别!

因此计算中完全适用寻址和分区概念传送入 python的数据是以每个单元格为单位先进行汇总Tableau会对每个分区调用一次分析扩展程序,因此传入数据时会按分区形成数据序列由于是按照分区进行调用,因此需要注意计算量 4.2 python预定义

环境加载

from tabpy tabpy tools client import Client
client=Client(http://localhost:9004/)

定义函数

import numpy as np
def ado(x,y):#由于要在 tableau中使用函数结果,函数必须要有 return值
return np. add(np array(x), nparray(y). tolisto

部署函数

client deploy (addo, add, 'Adds two numbers x and y)
在 python环境中测试函数
res client query (addo, a, b）

在 tableau中调用预定义函数

script REAL(

return tabpy query (addo, arg1, arg2)Response]

avg(现状指数]),ag([预期指数]

再次强调:在 tableau中调用 tabby针对的是表计算级别

当沿着表横穿时,会将该行单元格汇总结果形成list进行传送,那么考虑一下它是如何实现计算的?

script REAL(

import numpy as np

return np corrcoef( arg1, arg2)[0, 1

avg(现状指数]),avg(顶预期指数])