SmartChart标准数据集你可以想象为一个EXCEL的二维表, 有行和列 你直接在数据集开发界面填写SQL即可
标准图形的数据表类型 #
A类数据源 #
比如你的原始数据库中表的格式如下, 表名tb_name:
城市 户型 数量
长沙 A 12
长沙 A 23
上海 B 19
查询的sql: select 城市,户型,sum(数量) AS 数量 from tb_name group by 城市,户型
正常的查询的结果为:
[['城市','户型','数量'],
['长沙','A',35],
['上海','B ',19]]
由于生成的数据格式第二行是 [字符,字符,数值], 后台会自动进行转列动作,
生成图表更容易使用格式:
[['Categroy','A','B'],
['长沙', 35, 0],
['上海', 0, 19]]
B类数据源 #
再比如我们有一个表的数据格式, 指标是展开的:
城市 A B
长沙 10 12
上海 11 19
长沙 9 10
我们可以写的sql是:
select 城市, sum(A) as A, sum(B) as B from tb_name group by 城市
这样得到的结果是:
[['城市','A','B'],
['长沙', 19, 22],
['上海', 11, 19]]
和我们的标准格式也是一样的
SQL多段查询 #
有时你一个数据集可能只用一个SQL查询还不够，比如你需要一个清单数据，同时你需要一个汇总数据做为说明在图形中显示，这样你就需要使用多条SQL语句，在数据集中的写法你只需要用分号隔开，如：
select ... from xxx;
select ..... from xxxxxxx
传递到图形中的格式为：
{"df0":[[...]]. "df1":[[......]]}
df0, df1分别对应的是第一段和第二段查询
支持的数据源： #
| 数据库 | 驱动填写 | 需安装 | 使用说明 |
|---|---|---|---|
| Mysql | mysql | 默认支持 | |
| Mysql连接池 | mysqlpool | ||
| Sqlite | sqlite | 默认支持 | 连接地址填写绝对路径 |
| API | 任意 | 默认支持 | 参考数据集说明文档 |
| EXCEL | 任意 | 默认支持 | 参考数据集说明文档 |
| SQL Server | mssql | 需安装 pip install pymssql | |
| SQL Server连接池 | mssqlpool | ||
| ORACLE | oracle | pip install cx_Oracle | |
| ORACLE连接池 | oraclepool | ||
| PostgreSql | gp | pip install psycopg2 | |
| GP | gp | pip install psycopg2 | |
| Impala | impala | pip install impyla | |
| Hive | hive | pip install impyla | |
| DB2 | db2 | pip install ibm_db | |
| 达梦 | dm | pip install dmPython | |
| Python | python | pip install pandas, openpyxl | 参考数据集->特殊数据源 |
| Redis | redis | pip install redis | 参考数据集->特殊数据源 |
| Mongodb | mongodb | pip install pymongo | 参考数据集->特殊数据源 |
| Clickhouse | clickhouse | pip install clickhouse_driver | |
| Elasticsearch | es | pip install elasticsearch==7.13.0 | 参考数据集->特殊数据源 |
| Sqlalchemy | sqlalchemy | pip install sqlalchemy | 参考数据集->特殊数据源 |
| JDBC | jdbc | pip install JayDeBeApi | 参考数据集->特殊数据源 |
| 自定义 | 自定义 | 用户自由定义 | 参考数据集->特殊数据源 |