Линейный график — Визуализация в Superset

• Подключение к данным
• Создание линейного графика
• Работа с SQL Lab

Продолжаем изучать темы по визуализации данных с использованием биоинструмента Apache Superset, с которым познакомились на предыдущих уроках. Сегодняшняя задача связана с построением line-чартов (линейных графиков) в этом инструменте.

Подключение к данным

Для начала работы необходимо подключиться к базе данных. Для этого перейдем в настройки (Settings) и найдем раздел Database Connections. В нем выберем PostgreSQL базу данных с необходимыми правами (SELECT, UPDATE, DELETE, INSERT). Допишем параметры подключения: Host, Port, Database name, Username, Password. После подключения к базе данных можно приступать к созданию графиков.

Создание линейного графика

Перейдем в раздел Datasets и выберем подключенную PostgreSQL базу. Выберем схему Public и основную таблицу с продажами. Выберем добавить новый график (Add chart) и выберем тип Line Chart.

Apache Superset предоставляет расширенные возможности по сравнению с Google Sheets:

• Построение нескольких графиков в различных разрезах
• Объединение графиков
• Добавление точек данных
• Метки данных
• Процентные показатели
• Линии тренда
• Настройка частоты повторений

Для построения графика необходимо выбрать ось X (X-AXIS) и ось Y (METRICS). В качестве оси X выберем дату продажи, а в качестве оси Y - количество проданных товаров. После этого можно сохранить график и посмотреть результат.

Конкретно в Apache SuperSets используется своя терминология. Давайте подробнее посмотрим каждый из терминов.

• X-axis. Измерение по горизонтали, что будем на нашем графике откладывать внизу.
• Metrics. Это измерение по вертикали, что будем откладывать по вертикальной оси. Мы можем иметь в сравнении агрегированные данные и их уже с помощью самого суперсета собирать в агрегат так, как нам это нужно.
• Columns. Это измерения, которые должны быть агрегированы и категоризированы. То есть, это как раз те колонки, которые нужно вывести в сам график.

И есть две дополнительные характеристики, которые используются в практически любом графике или диаграмме. Это Dimensions and Customized.

• Dimensions это выбор измерений для расщепления грани. Что это значит? Допустим, строили продажи просто по дням, первое измерение наше было день. И с помощью dimensions мы можем добавить сюда еще одно измерение, еще одно поле для группировки. В результате расщепления для каждого продукта свой отдельный график. И агрегат, соответственно, будет как по дате, так и по продукту.
• Customize это пользовательские настройки, которые управляют цветом графиков, нанесением точек, линиями трендов, метками данных, выстраиванием легенды, присвоением альясов и так далее.

Работа с SQL Lab

Также Superset предоставляет интерфейс для сложных визуализаций, который называется SQL Lab. В нем можно писать сложные запросы, объединять таблицы, создавать новые датасеты и визуализации.

Перейдем в раздел SQL Lab и создадим новый запрос. Напишем запрос с JOIN таблиц sales, products:

SELECT
  s.sale_date,
  SUM(p.price * s.quantity) AS total_sales
FROM sales s
JOIN products p ON s.product_id = p.product_id
GROUP BY 1
ORDER BY 2;

Затем нажимаем Save dataset и указываем название датасета. В открывшемся окне мы теперь можем построить график для нашей сложной выборки.

Самостоятельная работа

В уроке «Подключение к данным» мы подключили базу flightsdb. В ней содержатся данные о авиаперевозках за два месяца — с 16 июля по 14 сентября 2017 года.

Схема базы данных выглядит так:

Задание № 1

Представьте, что руководство аэропорта Домодедово просит вас проанализировать ежедневную загрузку аэропорта за два месяца.

Составьте запрос к базе данных, с помощью которого можно получить количество прибывших пассажиров за два месяца с группировкой по дням. Провизуализируйте полученные данные с помощью линейного графика.

SELECT
  DATE(f.scheduled_arrival) AS arrival_date,
  COUNT(t.passenger_id) AS passenger_count
FROM
  flights AS f
LEFT JOIN
  ticket_flights AS tf
  ON f.flight_id = tf.flight_id
LEFT JOIN
  tickets AS t
  ON tf.ticket_no = t.ticket_no
WHERE
  f.arrival_airport = 'DME'
GROUP BY
  DATE(f.scheduled_arrival)
ORDER BY
  DATE(f.scheduled_arrival);

Восхитившись вашими результатами, вас попросили получить аналогичные данные для Шереметьево и Внуково. Представьте полученную информацию на одном линейном графике.

В задании вам понадобятся коды аэропортов:

• Шереметьево — SVO
• Внуково — VKO

SELECT
  f.arrival_airport,
  DATE(f.scheduled_arrival) AS arrival_date,
  COUNT(t.passenger_id) AS passenger_count
FROM
  flights AS f
LEFT JOIN
  ticket_flights AS tf
  ON f.flight_id = tf.flight_id
LEFT JOIN
  tickets AS t
  ON tf.ticket_no = t.ticket_no
WHERE
  f.arrival_airport IN
  (
      'DME',
      'SVO',
      'VKO'
  )
GROUP BY
  f.arrival_airport,
  DATE(f.scheduled_arrival)
ORDER BY
  f.arrival_airport,
  DATE(f.scheduled_arrival);

Дополнительные материалы

1. Документация Preset по линейным графикам