起始

在本教程中，我们将学习：

• 创建图表
• 创建模板
• 使用模板

创建图表

由于titanic_dataset包含行（代表乘客）和列（代表乘客信息），我们可以使用条形图可视化某个乘客属性（例如性别或舱位）的乘客数量。例如，以下是按性别划分的乘客数量：

在此示例中，我们将创建一个变换来创建所需的图表。创建一个名为bar_chart_of_row_counts的Python变换，并插入以下代码：

Copied!
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
def bar_chart_of_row_counts(titanic_dataset):
    import matplotlib.pyplot as plt
    from pyspark.sql import functions as F
    import numpy as np

    input_df = titanic_dataset
    categorical_column = "Sex"  # 类别列名称为"Sex"

    # 计算每个类别的计数
    total = input_df \
        .groupBy(categorical_column) \
        .agg(F.count("*").alias("count")) \
        .orderBy("count")

    # 将汇总后的数据集转换为 pandas 数据帧
    total_pdf = total.toPandas()

    # 绘图代码
    fig = plt.figure()
    ax = fig.add_subplot(111)

    y_pos = np.arange(len(total_pdf[categorical_column]))  # 确定 y 轴位置
    ax.set_yticks(y_pos)
    ax.barh(y_pos, total_pdf["count"])  # 绘制水平柱状图
    ax.set_yticklabels(total_pdf[categorical_column])  # 设置 y 轴标签为类别名称
    plt.xlabel("count")  # x 轴标签为“count”
    plt.ylabel(categorical_column)  # y 轴标签为类别列名

    plt.tight_layout()
    plt.show()

    # 返回汇总后的数据帧，以便将其保存为数据集
    return total

当您运行此变换时，上方显示的图表将出现在工作簿中的图形变换节点中。您还可以通过将鼠标悬停在变换节点中的图表上并选择 查看图像 来跳转到全屏图像视图。此图像查看器也可以从内容侧边栏和可视化选项卡中访问。

要将图表创建为SVG格式，请在创建绘图之前使用以下代码：

Copied!
1
set_output_image_type('svg')  # 设置输出图像类型为 'svg'

或者使用装饰器以提高可见性：

Copied!
1
2
3
4
5
@output_image_type('svg')
def bar_chart_of_row_counts(titanic_dataset):
    # 生成行计数的条形图
    # titanic_dataset: 输入的泰坦尼克号数据集
    # ...

创建模板

接下来，我们将把这个变换转换成一个模板，以便可以进行泛化和重用。点击代码编辑器右上角的操作按钮，然后点击创建模板。

现在您将进入全屏编辑器中的模板创建视图。在模板编辑器中，您可以编辑模板的名称、描述和参数。让我们将此模板命名为按类别变量的行数条形图，并给出如下描述：创建一个变换，其中包含任何输入数据集中一个分类列的行数条形图。

任何输入数据集——在这个例子中，仅仅是titanic_dataset——都会自动作为类型为dataset的参数添加到模板中。点击模板编辑器中的titanic_dataset以更改它。由于我们希望这个模板是通用的，因此让我们将参数名称从titanic_dataset更改为input_dataset并添加描述。

在变换代码中，两个{{{input_dataset}}}的实例将被高亮显示。接下来，让我们参数化输入列。要在代码主体中将一个变量指派为模板的输入参数，请在变换的右上角点击添加新参数，并在代码中高亮显示相应的变量。如下所示，突出显示字符串"Sex"：

这会将代码的这一部分添加为类型为column且来源数据集为input_dataset的参数。在模板编辑器中，编辑param1参数名称并将其重命名为selected_column。

在这个示例代码中，我们在变换的顶部将列名定义为变量，因此我们只需要参数化一次。当您对其他变换进行模板化时，可以使用添加按钮来添加相同参数的更多实例。

接下来，选择此模板是否应默认保存为数据集。通过选中保存为数据集框，模板在添加时将默认作为持久化变换添加。如果保存为数据集未选中，模板将默认应用为非持久化变换。在这种情况下，我们选择默认保存为数据集，因为我们希望在其他应用中使用输出。

最后，点击创建模板按钮以创建并保存模板。每当您创建新模板时，必须选择一个文件夹来保存它。在这个例子中，您可以将模板保存在您的家庭文件夹中。

只有有访问权限的用户才能发现和使用模板，因此您可以在仍在处理模板时将其保存在您的家庭文件夹中，并在您希望推广其更广泛使用时将其移动到共享文件夹中。模板也可以添加到数据目录中。

使用模板

创建并保存模板后，您可以以点选方式使用模板。

要查看可用模板，请在变换创建视图中点击浏览所有模板。

浏览模板支持按名称、描述和标签搜索模板，或基于收藏夹、最近使用的模板或文件结构进行浏览。要应用模板，点击其名称并选择“选择”。让我们添加我们刚刚创建的模板。

将模板添加到图形后，您可以重命名变换并填写输入。通过点击点击此处添加数据集并在图形中点击titanic_dataset来指派input_dataset参数。现在，您可以选择任何列作为selected_column参数，以基于该列创建图表。

选择运行以计算变换。对于输出可视化的变换，图形视图是图中的默认视图。您可以右键单击，选择编辑，然后选择显示表视图以表格形式查看节点。

编辑模板

如果您想更新支持模板的代码，请点击操作，然后点击编辑模板以进入代码编辑器并编辑模板。