表资源管理器

表资源管理器是一款功能强大且易于访问的数据探索工具，内置筛选、汇总和其他功能，让处理大型复杂数据的工作变得轻松。

表资源管理器支持探索任意大小的数据集，因此无论数据增长到多大，都可以使用同一个工具。它还提供点选式筛选以及高级筛选功能，帮助您精确定位所需数据。最棒的是，在 PlaidCloud 中任何有表或视图的地方，都可以单击这些表和视图，用表资源管理器进行探索。由于完全集成，访问数据只需单击一下。

Grid 视图以表格形式显示数据。Details 视图提供每一列的摘要、唯一值的计数以及每一列的分析统计信息。

可以直接从筛选后的数据集导出数据，也可以保存筛选器并与他人共享。最后，筛选器和列设置可以直接保存为工作流 Extract 步骤。

Grid 视图

Grid 视图以表格形式显示数据。

设置行数限制

默认情况下，行数限制设置为 5,000 行。不过，可以调整该限制或将其完全禁用。

所显示的行数以及数据集的总大小显示在表的底部。这些信息提供三项关键内容：

根据所应用的行数限制，当前显示的行数
应用筛选器后全局数据的大小
未筛选的全局数据的大小

选择前几行或随机行

行数限制旁边是一个前几行 / 随机选择器，用于控制由哪些行填充网格：

前几行（默认）返回表的前几行，这是最快的选项，适合只想快速查看的情况。
随机返回从整个表中抽取的快速随机样本，因此预览反映的是数据的完整范围，而不仅仅是开头部分。当大型表的前几行不具代表性时，这对抽查数据质量很有用。

随机抽样使用存储引擎内置的抽样功能，因此即使在非常大的表上也能保持快速。它会返回您所要求数量的行，这些行从表中随机抽取，如果表的行数少于您的限制，则返回全部行，并且每次刷新都会得到不同的样本。该选择器仅适用于网格预览，对已保存的视图、提取、下载或报告的行数没有影响。使用随机时，必须启用行数限制。

本地排序与全局排序

Grid 视图允许单击列标题，并按该列对数据排序。但是，此方法只对已检索的数据集排序，而不是基于完整数据集排序。如果检索到的数据包含整个数据集，则这种区别无关紧要；但如果完整数据集大于浏览器中显示的数据，这可能不是您想要的排序结果。

如果希望在检索将显示在浏览器中的有限数据之前，先对全局数据集排序，可以在 Details 视图中单击每列顶部的 Sort 图标，对列应用这些排序。使用全局排序方法的另一个好处是，可以应用多个排序，并混合使用不同的排序方向。

快速参考列列表

默认情况下，表或视图中的所有列都显示在表资源管理器窗口的左侧。可以使用列列表切换按钮打开或关闭此列列表。

列列表提供多项快速访问的实用功能，包括：

双击某一项可跳转到 Grid 或 Details 视图中的该列
通过可见性复选框控制列的可见性
使用多选和右键单击，可一次包含或排除多个列
使用数据类型图标快速查看每一列的数据类型
查看列的总数

限制行访问

对于项目架构师或租户管理员，工具栏上的行访问按钮会为您正在探索的表打开行访问。如果该表已限制行，按钮上会显示一个徽章。列的分面菜单中还有按此列限制行…，它会针对该列打开同一屏幕；对于已经限制行的列，则显示为按此列限制的行 — 编辑…。

当您自己的授权筛选了网格所加载的内容时，工具栏会显示行数受您的访问权限限制，开始下载将被筛选的内容时也会有相应提示。网格、其列分面和下载都只包含您可以查看的行。请参阅受限成员看到的内容。

Details 视图

Details 视图提供了一种在高层级查看数据的高效方式，并提供多种工具，通过点选操作快速筛选出所需信息。

列数据和唯一值计数

只要列当前标记为可见，就会显示每一列。列摘要按计数显示前 1,000 个唯一值。可以通过选择 Detailed Rows Displayed 的其他值来调整显示的唯一值数量。

数值列显示的是其统计信息，而不是值的列表：最小值、最大值、平均值、总和、标准差和方差。这些统计信息不包括空值，仅包含空值的列则显示其值计数。这适用于所有 Lakehouse 引擎，包括 StarRocks。

如果某列的摘要计算耗时过长，会显示分析超时；如果某列的摘要无法加载，则显示分析失败。将鼠标悬停在徽章上可查看原因：筛选器存在的问题会在此处指明，而 PlaidCloud 一侧的故障会附带一个 ID，PlaidCloud 团队可据此进行追踪。要重试，请使用该列的刷新按钮。

管理点选筛选器

每一列都支持点选筛选，方法是激活列顶部的筛选器开关。选择该列中要包含在结果数据中的项目。支持多选。

应用筛选器后，可能有些项目需要移除，或者需要在不清除所有筛选器的情况下清除整个列的筛选器。可以通过选择列筛选器按钮上的下拉菜单并取消勾选各项，或选择顶部的全部清除选项来完成。

管理汇总

将 Summarize 按钮切换为 On，即可对数据应用汇总。激活 Summarize 按钮后，每一列都会显示要应用的汇总类型。请为每一列调整所需的汇总类型。

完成所需的汇总后，刷新数据，汇总就会生效。

汇总类型的示例有 Min、Max、Sum、Count 和 Count Distinct。

查找不重复值

激活 Distinct 按钮有助于将数据缩减为仅包含唯一记录的集合。Distinct 按钮处于激活状态时，每一列都会出现一个 Distinct 复选框。请取消勾选那些不用于确定该列在数据集中唯一性的列。例如，如果要在客户订单表中查找唯一的客户集合，则只需选择客户列，而不应同时包含客户订单号。

列分析统计信息

无论数据类型如何，每一列都会在其列信息底部显示分析统计信息。

向量列是唯一的例外：它们不参与分析，也不会为其生成值列表。最小值、平均值或排名靠前的值列表对嵌入向量没有任何意义，而值列表将是每个包含数百个数字的原始数组。

整数列和数值列显示以下统计信息，基于完整的已筛选数据集计算：

最小值
最大值
平均值
标准差
总和

每一列（无论是数值、文本、日期还是其他类型）还会显示以下统计信息，基于完整的未筛选表计算：

Null Count (All Rows)：整个表中的空值数量
Null % (All Rows)：空值占整个表的百分比
Blank Count (All Rows)：仅限文本列。空白指的是去除首尾空白后为空或仅包含空白字符的值，与空值不同。
Blank % (All Rows)：空白值占整个表的百分比
Distinct % of Non-Null (All Rows)：不重复值占实际有值的行的百分比。空值同时从不重复值计数和总数中排除，因此，一个 90% 为空值、但已填充的值都互不相同的列，显示为 100%，而不是 10%。

这些 (All Rows) 统计信息在服务器端以确定性方式计算，不涉及 AI 或抽样，同一列每次返回的数字都相同。它们遵循行级安全，因此您看到的始终是基于您有权查看的行计算的统计信息。计算它们需要额外执行一次全表查询，并与其他列分面共用同样的 60 秒预算；如果该查询超时，网格的其余部分不受影响。

分布形态

对于数值列，表资源管理器还会报告值的分布情况，而不只是它们聚集在哪里。

Skewness (All Rows)：衡量该列的值是偏向平均值的一侧，还是围绕平均值均匀分布。接近零的值表示数值大致对称；明显的正值或负值表示该列有一条向某一端延伸的长尾。这可以揭示仅凭平均值和标准差无法发现的形态，例如少数极大的值把平均值拉高，而该列中的大多数值要低得多。
每个数值列统计信息下方的直方图，会将其值划分到 10 个等宽的区间中，覆盖该列的完整范围，让您一眼就能看出分布的形态。将鼠标悬停在某个条形上，可查看它所涵盖的确切值范围以及落入其中的行数。

与其他 (All Rows) 统计信息一样，偏度和直方图始终涵盖整个表，不受您当前筛选器的影响。如果某列的值少于两个，或完全没有变化，则不会显示偏度（既不显示为零，也不显示为错误），因为这种情况下无法进行有意义的计算。如果某列没有可计算的范围（例如完全为空值），直方图也会以同样的方式省略。

数据质量雷达

表资源管理器会对每一列运行五项自动检查，以标记值得进一步查看的数据：

Outliers：在统计上远离该列其余部分的数值（与平均值相差超过三个标准差）。
Format：与该列其余部分的主导模式不匹配的文本值，例如一个几乎全是日期、但混有少量自由文本值的列。此检查仅在至少有 100 个非空白值的列上运行，并且只有在某一模式明显占主导（即该列超过 95% 的值与之匹配）时才会标记不匹配项。
Duplicates：属于表中已声明行键的列中重复出现的值，该列中的每个值都应是唯一的。此检查仅在已声明行键的表上运行，并以表的更新键作为行键。
Orphans：与某个维度关联的列中的值，没有匹配该维度的任何成员。
Constant：该列中所有非空值都相同，这通常意味着该列不包含任何有用信息。

这些检查针对整个表运行，与上面的 (All Rows) 统计信息相同，您当前的筛选器对它们没有影响。

对于发现问题的任何检查，Details 视图中的列上会直接显示一个徽章；对于无法完成的检查，则显示一个灰色徽章。从 Actions 菜单打开 Data Quality Radar，可查看按五项检查对每一列排名的摘要，包括结果为正常或不适用的检查，而不仅仅是被标记的检查。

每项检查都会独立报告五种结果之一：已标记、正常、不适用、超时或不可用。检查绝不会被悄悄跳过，您始终可以看到某列为什么没有针对某项检查的结论。

复制数据

有时需要允许从 PlaidCloud 复制所选数据，以便将其粘贴到电子表格等其他应用程序中。

在右上角的“复制”按钮中，有几种数据复制选项可用：

全部复制：将所有数据复制到剪贴板
复制所选内容：将所选数据复制到剪贴板
复制单元格：仅将单个单元格的内容复制到剪贴板
复制列：将列的全部内容复制到剪贴板

导出数据

从表资源管理器界面导出数据时，只会导出筛选后的数据，且仅包含可见的列。可以导出为以下格式：

Microsoft Excel (xlsx)
CSV（逗号）
TSV（制表符）
PSV（竖线）

下载菜单还提供仅下载浏览器中可见行的功能。这基于所指定的行数限制。

其他操作

Actions 菜单下提供了其他实用操作。

另存为提取步骤

在探索数据时，通常是为了确定如何为数据管道流程筛选数据。这通常需要应用多个筛选器，包括高级筛选器，以精确定位所需结果。

您无需尝试在提取步骤中重现所有的筛选器、列、汇总和排序，只需将现有的表资源管理器设置直接保存为新的提取步骤即可。

另存为视图

与上面将当前表资源管理器设置保存为提取步骤类似，您也可以将设置直接保存为视图。

在为报告或其他不需要数据管道的下游流程构建数据切片时，这尤其有用。

管理已保存的筛选器

您的筛选工作永远不会丢失。可以将表资源管理器设置保存为已保存的筛选器。已保存的筛选器还包括列可见性、汇总、列筛选器、高级筛选器和排序。

保存筛选器时，勾选 Public 复选框，还可以让其他人使用已保存的筛选器。

从 Actions 菜单中，也可以选择删除和重命名已保存的筛选器。

高级筛选器

点选式列筛选器可以快速应用筛选器以精确定位所需结果，但有时筛选条件很复杂，需要更高级的规范。

如果启用了 Summarize，高级筛选区域既提供聚合前筛选器，也提供聚合后筛选器。

任何有效的 Python 表达式都可用于对数据取子集。有关更多详细信息和示例，请参阅表达式。