AskTable

AskTable Canvas 使用指南：构建强大的数据分析工作流

AskTable 团队
AskTable 团队 2026年3月8日

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。

一、什么是 Canvas？

1. Canvas 的概念

Canvas（画布） 是一个可视化的数据分析工作区，你可以在上面：

2. 为什么需要 Canvas？

传统对话式分析的局限：

Canvas 的优势：

3. Canvas vs 对话

加载图表中...

二、Canvas 核心概念

1. 节点（Node）

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：

2. 依赖关系

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)

3. 数据流

数据在节点之间流动：

三、节点类型详解

1. Data Node（数据节点）

功能：查询数据库，返回数据

使用方法：

  1. •创建 Data Node
  2. •输入自然语言查询
  3. •AI 生成 SQL
  4. •执行查询
  5. •返回数据表格

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：

2. Chart Node（图表节点）

功能：将数据可视化为图表

支持的图表类型：

使用方法：

  1. •创建 Chart Node
  2. •连接到 Data Node
  3. •描述想要的图表
  4. •AI 自动生成图表配置
  5. •查看图表

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：

3. Python Node（Python 节点）

功能：执行 Python 代码，处理数据

使用场景：

使用方法：

  1. •创建 Python Node
  2. •连接到 Data Node
  3. •描述要执行的操作
  4. •AI 生成 Python 代码
  5. •执行代码
  6. •返回结果

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：

4. Excel Node（Excel 节点）

功能：导入或导出 Excel 文件

导入 Excel：

  1. •创建 Excel Node
  2. •上传 Excel 文件
  3. •选择工作表
  4. •预览数据
  5. •导入为 DataFrame

导出 Excel：

  1. •创建 Excel Node
  2. •连接到 Data Node
  3. •配置导出选项
  4. •下载 Excel 文件

5. Web Search Node（网络搜索节点）

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

四、实战案例

案例 1：销售数据分析

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)

案例 2：用户行为分析

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"

案例 3：财务报表生成

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"

五、使用技巧

1. 节点命名

好的命名：

不好的命名：

2. 组织结构

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

3. 复用节点

场景：多个图表使用同一份数据

方法：

4. 调试技巧

查看中间结果：

分步执行：

5. 性能优化

减少数据量：

避免重复查询：

六、协作功能

1. 实时协同

多人同时编辑：

2. 评论和讨论

添加评论：

3. 版本历史

查看历史版本：

4. 分享和导出

分享 Canvas：

导出：

七、常见问题

问题 1：节点执行失败

原因：

解决方案：

问题 2：图表显示异常

原因：

解决方案：

问题 3：Python 代码报错

原因：

解决方案：

八、最佳实践

1. Canvas 设计原则

清晰的结构：

合理的粒度：

可维护性：

2. 性能优化

数据查询：

节点执行：

3. 团队协作

命名规范：

文档化：

九、总结

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：