sidebar.joinCommunitysidebar.communicateWithUsers
sidebar.joinAskTableCommunity
sidebar.wechat
sidebar.feishu
sidebar.chooseYourWayToJoin
sidebar.contactUssidebar.getProfessionalSupport
sidebar.contactUs
sidebar.scanToAddConsultant
sidebar.wechat
sidebar.feishu
sidebar.chooseYourWayToJoin
sidebar.scanToAddConsultant
Canvas 是 AskTable 的核心功能，它让数据分析从线性对话变成了非线性的思维建模。本文将全面介绍 Canvas 的使用方法。
Canvas（画布） 是一个可视化的数据分析工作区，你可以在上面：
传统对话式分析的局限：
Canvas 的优势：
节点是 Canvas 中的基本单元，每个节点执行一个特定的任务。
节点类型：
节点之间可以建立依赖关系：
示例：
Data Node (查询订单数据)
├─> Chart Node (销售趋势图)
├─> Chart Node (地区分布图)
└─> Python Node (计算增长率)
└─> Chart Node (增长率图表)
数据在节点之间流动：
功能：查询数据库，返回数据
使用方法：
示例：
输入："查询最近 30 天的订单数据"
生成 SQL：
SELECT * FROM orders
WHERE created_at >= DATE_SUB(NOW(), INTERVAL 30 DAY)
输出：DataFrame（订单数据）
高级用法：
功能：将数据可视化为图表
支持的图表类型：
使用方法：
示例：
输入："绘制销售额趋势图"
AI 配置：
- 图表类型：折线图
- X 轴：日期
- Y 轴：销售额
- 标题：销售额趋势
输出：折线图
自定义选项：
功能：执行 Python 代码，处理数据
使用场景：
使用方法：
示例：
输入："计算每个月的环比增长率"
生成代码：
import pandas as pd
# 输入数据
df = input_data
# 按月分组
monthly = df.groupby(df['date'].dt.to_period('M'))['amount'].sum()
# 计算环比增长率
growth_rate = monthly.pct_change() * 100
# 输出结果
output_data = pd.DataFrame({
'month': monthly.index.astype(str),
'amount': monthly.values,
'growth_rate': growth_rate.values
})
可用的库：
功能：导入或导出 Excel 文件
导入 Excel：
导出 Excel：
功能：搜索网络信息
使用场景：
示例：
输入："搜索 iPhone 15 的最新价格"
输出：搜索结果摘要
目标：分析最近 3 个月的销售情况
步骤：
1. 创建 Data Node - 查询订单数据
输入："查询最近 3 个月的订单数据，包括日期、金额、地区"
2. 创建 Chart Node - 销售趋势
连接到 Data Node
输入："绘制每日销售额趋势图"
3. 创建 Chart Node - 地区分布
连接到 Data Node
输入："绘制各地区销售额饼图"
4. 创建 Python Node - 计算增长率
连接到 Data Node
输入："计算每周的环比增长率"
5. 创建 Chart Node - 增长率图表
连接到 Python Node
输入："绘制增长率柱状图"
最终效果：
Data Node (订单数据)
├─> Chart Node (销售趋势图)
├─> Chart Node (地区分布图)
└─> Python Node (计算增长率)
└─> Chart Node (增长率图表)
目标：分析用户活跃度和留存率
步骤：
1. 查询用户登录数据
Data Node: "查询最近 30 天的用户登录记录"
2. 计算日活用户
Python Node: "计算每天的活跃用户数"
3. 绘制日活趋势
Chart Node: "绘制日活用户趋势图"
4. 计算留存率
Python Node: "计算 1 日留存率、7 日留存率、30 日留存率"
5. 展示留存数据
Chart Node: "绘制留存率表格"
目标：生成月度财务报表
步骤：
1. 查询收入数据
Data Node 1: "查询本月的收入明细"
2. 查询支出数据
Data Node 2: "查询本月的支出明细"
3. 合并计算
Python Node: "合并收入和支出，计算净利润"
4. 生成报表
Chart Node: "生成财务报表表格"
5. 导出 Excel
Excel Node: "导出为 Excel 文件"
好的命名：
不好的命名：
从左到右布局：
数据源 → 数据处理 → 可视化
从上到下分组：
主流程在上方
辅助分析在下方
场景：多个图表使用同一份数据
方法：
查看中间结果：
分步执行：
减少数据量：
避免重复查询：
多人同时编辑：
添加评论：
查看历史版本：
分享 Canvas：
导出：
原因：
解决方案：
原因：
解决方案：
原因：
解决方案：
清晰的结构：
合理的粒度：
可维护性：
数据查询：
节点执行：
命名规范：
文档化：
Canvas 是 AskTable 的核心功能，它提供了：
核心能力： ✅ 非线性思维建模 ✅ 可视化依赖关系 ✅ 多种节点类型 ✅ 实时协同编辑
使用场景： ✅ 复杂数据分析 ✅ 多维度对比 ✅ 数据处理流程 ✅ 团队协作分析
最佳实践： ✅ 清晰的结构设计 ✅ 合理的节点粒度 ✅ 性能优化 ✅ 团队协作规范
下一步：
相关阅读：
技术交流：
sidebar.noProgrammingNeeded
sidebar.startFreeTrial