• 日本語
    • English (英語)
Avintonジャパン株式会社Avintonジャパン株式会社Avintonジャパン株式会社Avintonジャパン株式会社
  • サービス
    • Avinton Data Platform
    • エッジAIカメラ
    • プライベートクラウド
    • AIサービス開発
    • AI画像解析 – 無償PoC
  • 最新情報
    • ニュースリリース&イベント情報
    • 技術ブログ&インタビュー
  • アカデミー
    • Avintonアカデミー
    • Academy on Campus
  • 採用情報
    • Avintonで働く魅力
    • 新卒採用
    • プロジェクトコーディネーター職紹介
    • 求人
    • よくある質問
  • 企業情報
    • 会社概要
    • 代表からご挨拶
    • SDGsへの貢献
  • お問い合わせ

Apache Superset 基礎

  • Python3.8 と OpenCV のインストール (Ubuntu20.04LTS)
  • ルーティング
  • postgreSQLへのshp fileのimport
  • NAT
  • PostGIS exercise
  • 三目並べ – 2.〇×を交互にゲーム盤に入るようにしよう
  • Docker 概要とセットアップ
  • 三目並べ – 3.勝敗がつくようにしよう
  • Docker Engineのubuntu上へのinstall
  • EC2からS3へ自動でぽいぽいアップロードするスクリプトの作成
  • 三目並べ – 4.「スタート」「リセット」ボタンをつけよう
  • 三目並べ – 5.先攻後攻を決めて、コンピュータ対戦にしよう(前編)
  • Apache Zeppelin 基本機能
  • Ruby on Rails を MySQLでセットアップ
  • 機械学習入門者向け Support Vector Machine (SVM) に触れてみる
  • AWSアカウントの作成と必ずやるべきセキュリティ対策
  • Scala 基礎
  • VLAN
  • Apache Spark 基礎
  • 機械学習を用いた画像分類
  • Ruby on Railsによる簡単なウェブアプリケーション
  • 正規表現とパイプ
  • 機械学習エンジニアに必要なスキル
  • Docker, Kubernetesの学び方について
  • Ubuntuの基本設定
  • PostgreSQL Setup
  • REDIS
  • Amazon EC2 インスタンスの初期設定をしよう
  • 軽量版Kubernetesディストリビューション – k0s クラスターの構築
  • Pythonの設定
  • GNS3のセットアップ
  • viエディタ
  • AWSのEC2インスタンスでWordPressブログを公開してみよう
  • Pythonでデータベースを操作する
  • Python2.7とOpenCVのインストール
  • ファイル操作コマンド
  • OpenCVのテストプログラム
  • グループとユーザー
  • Pythonで画像を分類するプログラムを作成する
  • AWS CLIをインストールしてコマンド操作しよう
  • Virtualisation and Container (仮想化とコンテナ) – Ansible, Docker and Kubernetes
  • Windows Server 2012 R2 Hyper-V
  • 困った時に使うコマンド
  • SparkMLによるKaggle Titanic生存者予測
  • PacketTracerのセットアップ
  • 一般グループのユーザーとグループ
  • AWS Route 53を使って独自ドメインのWebページを表示させてみよう
  • Kubernetesクラスター上へのOpenVINOモデルサーバーを使用したサンプルアプリケーションのデプロイ
  • プライバシーポリシー
  • VMware ESXi サーバー構築
  • 三目並べ – 6.先攻後攻を決めて、コンピュータ対戦にしよう(後編)
  • フロントエンド開発のための環境構築
  • フロントエンドのデモンストレーション
  • APIのデモンストレーション
  • CISCO 1800ルータセットアップ
  • ファイル検索コマンド
  • ESXi – Switchの追加とVLAN
  • 質問
  • 仮想化環境のディスク容量を拡張する
  • ユーザー権限とアクセス権
  • 三目並べ – 0.導入
  • テキスト処理
  • ESXi – VyOS
  • データベースへのデータロード
  • 機械学習入門者向け Naive Bayes(単純ベイズ)アルゴリズムに触れてみる
  • CCNA
  • ESXi – 小規模ネットワーク 構築
  • ファイル管理
  • Webアプリ開発に欠かせないGoogle Chrome DevToolsの基本
  • 機械学習入門者向け ChainerRLでブロック崩しの学習
  • AWS CLIを使ってEC2のファイルをS3へアップロードしよう
  • Apache NiFiの環境設定
  • CSV import & export – Node.js, mySQL – 1
  • 機械学習入門者向け ランダムフォレストによる Kaggle Titanic生存者予測
  • NodeJSでWebアプリケーション開発 – Socket.IO編
  • CSV import & export – Node.js, mySQL – 2
  • Apache NiFi データパイプライン基礎
  • PCからルータ、スイッチへのSSH接続設定
  • 【Python入門】Python Numpy チュートリアル
  • SQL 便利な関数
  • PostgreSQLによるデータ分析
  • Apache NiFi Exercise
  • 機械学習入門者向け 分類と回帰の違いをプログラムを書いて学ぼう
  • NodeJSでWebアプリケーション開発 – React編
  • Pythonによるマルチスレッドプログラミング実践
  • Apache SparkとApache Zeppelinの概要と環境構築
  • Certbotを使ってSSL証明書を発行し、HTTP通信を暗号化しよう
  • DockerとApacheを使ってWebサーバーを構築しよう
  • NodeJSでWebアプリケーション開発 – React編
  • Redux基礎 – 主要な概念と用語
  • Apache Superset 概要と環境構築
  • AmazonEC2とVPCでネットワークとサーバーを構築しよう
  • AWS入門者向け 初心者が最初に理解すべきEC2とVPCの基本的な用語解説
  • Linuxとは
  • Pandasによる構造化データ分析
  • Apache Superset 基礎
  • Dockerコンテナイメージの最適化/ベストプラクティス
  • ダイナミックルーティング
  • PostgreSQL – Python – Apache – Bootstrap
  • 三目並べ – 1.ゲーム盤を作ろう
Home Avintonアカデミー Apache Superset 基礎
Apache Superset

このチュートリアルでは、BIツールのApache supersetを使ってデータセットの準備、編集、チャートの作成等のダッシュボードの作成の基本手順が学べます。

データセットの準備

ファイルのアップロード

まずはこちらのサンプルのcsvをダウンロードしましょう。

japan.csv

次にファイルをアップロードして、テーブルとして保存していきます。

Data > Databases をクリック。
デフォルトの設定では、「CSV upload」が使用不可のため変更します。

Apache Superset 基礎

「Edit」から、ADVANCED > Security の「Allow data upload」にチェックを入れて、「CSV upload」を有効にします。

Apache Superset 基礎

Upload file to database > Upload CSV から、Table Name, CSV File, Database Schemaを以下のように設定して「SAVE」します。(他項目に関してはデフォルトで問題ないです。)

Apache Superset 基礎

Apache Superset 基礎

テーブルが作成されたことがわかります。

Apache Superset 基礎

※ Supersetの演習が完了後に、dockerコンテナ、イメージ、ボリュームを削除しましょう。ちなみに、docker system dfでdockerにより使用されているディスク総容量がわかります。

Databaseとの接続

ファイルをアップロードする方法の他に、データベースと接続してデータセットを作成する方法があります。

先程と同様にData > Databases をクリックした後、右上の +DATABASEボタンをクリックするとデータベースとの接続画面が出てきます。

フォームにhost名やport, DB名, Username, password等を入力するとデータベースと接続することが出来ます。

Apache Superset 基礎

Data > Databasesをクリックした後、右上の +DATASETボタンをクリックするとデータセット作成画面が出てきます。

フォームからDatabase, Schema, table名を選択すると、データベースからデータセットを作成することが出来ます。

Apache Superset 基礎

データセットの編集

データセットの一覧画面から、先ほど作成したデータセットをクリックするとチャート作成画面に遷移します。

左側にデータセットのデータタイプとカラム名が表示されています。

数値型であるべきpopulatioのカラムがテキスト型になっていますのでチャート作成に移る前に、データセットを編集していきましょう。

Apache Superset 基礎

データセットのオプションボタンからView in SQL Labを選択するとSQl editor 画面が開きます。

Apache Superset 基礎

 

population カラムをinteger typeにキャストするSQLを定義し、RUNボタンで実行、EXPLOREボタンを押すとデータセットの保存画面が出てくるので今回はOverwriteします。

1
2
SELECT prefecture, city, ward, population::INTEGER
FROM academy.japan_population

 

Apache Superset 基礎

 

チャートの作成1

まずは県別の総人口のチャートを作っていきます。

VISUALIZATION TYPE をクリックするとチャートのテンプレート選択画面が出てきます。

今回はBar Chartを選択します。

Apache Superset 基礎

 

続いて、METRICSを編集していきます。

COLUMNはpopulation, AGGREGATEはSUMを選択します。また、タブ上部でLabel名の編集が出来ます。今回は”人口”としておきます。

Apache Superset 基礎

 

次にSERIESを設定していきます。SERIESとはSQLでいうところのGROUP BYの指定と同じです。

今回は県別の人口ですので、こちらにはprefectureカラムを定義します。

RUNボタンを押してQueryを走らせると下記のような Chartが表示されるはずです。

Apache Superset 基礎

 

しかし、現時点では正しいデータが取れておりません。

問題点として、以下の札幌市のように、市(city)全体の人口と各区(ward)の人口が同じテーブル内にあるため、区を持つ都道府県の人口については、実際の人口よりも多くチャート上に表示されています。

Apache Superset 基礎

 

演習:この問題を解決するためのfilterを設定して正しい県ごとの人口を表すBar Chartを作成して下さい

完成したら画面上部のSAVEボタンから、チャートの名前を設定して保存します。

チャートの作成2

次に市ごとの人口を示すチャートを作っていきます。

VISUALIZATION TYPEからPivot tableを選択します。

metricsはカラムをpopulation, aggregateをMaxとします(市の値はユニークなので、MinでもSUMでも問題ないです。)

Apache Superset 基礎

Group Byにはprefectureとcityカラムを指定します。

先程と同様の問題が生じるので、同じくFilterを設定しましょう。

このようなtableが作成できていれば先程と同様にsaveしましょう。

Apache Superset 基礎

 

ダッシュボードの作成

Dashboards > +DASHBOARDボタンを押し、ダッシュボード作成画面を開きます。

Dashboard作成画面の右側にあるtabから様々なComponentsをドラッグアンドドロップでダッシュボードへ追加することが出来ます。

下記のようにtabを追加してみましょう。

Apache Superset 基礎

 

Charts tabからは作成済みのチャートを同じくドラッグアンドドロップで追加することが出来ます。

 

Apache Superset 基礎

 

画面左のADD/EDIT FILTERS optionからはfilterを設定することが出来ます。

今回は県名のフィルターを定義しました

Apache Superset 基礎

 

画面上部のタイトルを編集して、Saveすればダッシュボードの完成です。

今回紹介したもの以外にも様々なデータの視覚化をサポートする機能が搭載されていますので、公式ドキュメント等を参考に他の機能も試してみることがおすすめです。

aApache Superset 基礎

 

あなたも、Avintonでこのような最先端技術を習得し活用してみませんか?

社員の成長を導きながら、AIやビッグデータなどの最先端技術をプロジェクトに活用していくことが私たちのビジョンです。Avintonの充実した技術研修でスキルアップを図り、あなたのキャリア目標を一緒に達成しませんか?

採用情報

採用情報

採用情報

Avinton SDGs

SDGsへの貢献

Search

タグ

AI AI Big Data Big Data ccna Digital Transformation DX IoT IoT LPIC Python Ruby SDGs Webエンジニア イベント インタビュー インフラエンジニア エンジニア オンラインセミナー キャリアチェンジ コンテナ技術 サーバーエンジニア システム開発 データサイエンス データベース データ分析 データ解析 ネットワークエンジニア ビックデータ 人工知能 仮想化 勉強会 営業 就職活動 技術インターン 採用 新卒 新卒採用 新規事業 機械学習 派遣 深層学習 社員インタビュー 経営者交流会 転職
© 2022 Avinton | All Rights Reserved | プライバシーポリシー
  • サービス
    • Avinton Data Platform
    • エッジAIカメラ
    • プライベートクラウド
    • AIサービス開発
    • AI画像解析 – 無償PoC
  • 最新情報
    • ニュースリリース&イベント情報
    • 技術ブログ&インタビュー
  • アカデミー
    • Avintonアカデミー
    • Academy on Campus
  • 採用情報
    • Avintonで働く魅力
    • 新卒採用
    • プロジェクトコーディネーター職紹介
    • 求人
    • よくある質問
  • 企業情報
    • 会社概要
    • 代表からご挨拶
    • SDGsへの貢献
  • お問い合わせ
  • 日本語
    • English (英語)
Avintonジャパン株式会社