Filtros y filtros cruzados¶

Ejercicio filters-and-cross-filters-annex.pdf · PDF

Abres la tienda de Steam y buscas un juego. Junto a los resultados hay un panel: acotar por precio, acotar por etiqueta. Marcas una casilla y cambia toda la lista. No un juego. Toda.

Tu cuadro de mando (dashboard) Steam market dice que el precio mediano es 4.99. Pero nuestro estudio indie espera conseguir un éxito. ¿Es 4.99 el precio mediano de los éxitos? Nadie lo sabe: el cuadro de mando solo responde por todo el mercado. ¿Construyes un segundo cuadro de mando para los éxitos? ¿Un tercero para 2018? No. Mantienes un solo cuadro de mando y dejas que el lector elija el corte.

Un control, todos los gráficos reaccionan¶

Un filtro (Superset lo llama native filter) es un control del cuadro de mando que deja al lector quedarse solo con algunas de las filas. Cada gráfico al que llega se dibuja de nuevo solo con esas filas.

Es el panel de la tienda. Un control a un lado, y todo lo de la página le obedece.

Los filtros viven en la barra de filtros (filter bar), la franja a la izquierda del cuadro de mando. Añade el primero:

Mira la fila superior antes y después:

Ahí está la respuesta para el estudio. Entre los éxitos, el precio mediano es 9.99: el doble de la mediana del mercado. Y casi un tercio de los éxitos son gratis.

El WHERE escondido¶

¿Cómo saltó la mediana de 4.99 a 9.99? Abre los tres puntos del KPI Games → View query. Superset muestra el SQL que hay detrás del gráfico, y tiene una línea nueva:

WHERE owners_tier IN ('Hit')

Esa cláusula la escribes a mano desde la Unidad 1 (SQL Lab: filtros). Un filtro de cuadro de mando no es más que un WHERE que Superset escribe por el lector, en la consulta de cada gráfico al que llega.

flowchart LR
    R["<b>Lector</b><br>elige Hit,<br>pulsa Apply filters"] --> F["<b>Filtro</b><br>Owners tier"]
    F -- "añade WHERE owners_tier IN ('Hit')" --> Q1["<b>Consulta</b> del KPI Games"]
    F -- "añade el mismo WHERE" --> Q2["<b>Consulta</b> del KPI Median price"]
    F -- "añade el mismo WHERE" --> Q3["<b>Consulta</b> del gráfico de líneas"]
    Q1 --> D[("<b>Base de datos</b><br>games_clean")]
    Q2 --> D
    Q3 --> D

Puedes demostrarlo sin el cuadro de mando. Ejecuta tú mismo los cuatro KPI en SQL Lab con ese WHERE:

SELECT COUNT(*) AS games,
       ROUND(100 * AVG(is_free::int), 1) AS free_pct,
       PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY price) AS median_price,
       COUNT(*) FILTER (WHERE owners_tier = 'Hit') AS hits
FROM games_clean
WHERE owners_tier IN ('Hit');

Los mismos números que el cuadro de mando. Sin magia: una consulta.

Dos tipos de filtro: Value y Time range¶

Un filtro Time range requiere más cuidado, por cómo funciona el final. Para quedarte con los juegos de 2018:

Lee otra vez las dos etiquetas: el inicio es inclusivo (inclusive), el final es exclusivo (exclusive). La fecha de inicio entra. La fecha de fin queda fuera. Así que "todo 2018" termina en 2019-01-01, no en 2018-12-31. En SQL es la pareja que ya conoces:

WHERE release_date >= '2018-01-01' AND release_date < '2019-01-01'

Si tu KPI Games se acerca a 8,845 pero no es igual, tus fechas fallan por un día.

Ámbito: quién obedece al filtro¶

Con 2018 aplicado, mira el gráfico de líneas de juegos por año. Ahora tiene un único punto. Un gráfico de historia con un año de historia es inútil.

¿Debería cada gráfico obedecer a cada filtro? No.

El ámbito (scope) de un filtro es el conjunto de gráficos a los que llega. Un gráfico fuera del ámbito ignora el filtro por completo.

En la tienda, el panel de precios cambia la lista de resultados, pero no el banner de la parte de arriba de la página. El banner está fuera del ámbito.

flowchart LR
    F["<b>Filtro</b><br>Release date = 2018"]
    subgraph IN ["<b>Dentro del ámbito</b>: recalculado para 2018"]
        K["Los cuatro KPI"]
        P["Gráfico de tramos de precio"]
    end
    subgraph OUT ["<b>Fuera del ámbito</b>: sin cambios"]
        L["Gráfico de líneas<br>juegos por año, de 2004 a 2018"]
    end
    F -- "añade su WHERE" --> IN
    F -. "ignorado" .-> OUT

Filtros dependientes: una lista que se encoge¶

Añade un filtro Value llamado Publisher sobre la columna publisher. Ábrelo y haz scroll. La lista no se acaba nunca: la tabla tiene 13,951 editores distintos.

SELECT COUNT(DISTINCT publisher) AS publishers,
       COUNT(DISTINCT publisher) FILTER (WHERE owners_tier = 'Hit') AS with_a_hit
FROM games_clean;

Solo 336 de ellos han publicado alguna vez un éxito. Si el lector ya ha elegido Hit, ¿por qué mostrar los otros trece mil?

Un filtro dependiente es un filtro cuya lista de valores se recorta según la elección hecha en otro filtro.

Imagina que el panel de la tienda hiciera lo mismo: en cuanto marcas un género, la lista de editores solo ofrece los que tienen un juego en ese género.

Dos detalles. Primero, la opción Values are dependent on other filters solo aparece cuando el cuadro de mando ya tiene otro filtro. Segundo, ¿por qué 1000 options y no 13,951? Un filtro carga como máximo 1,000 valores, en orden alfabético. Sin la dependencia, Valve ni siquiera está en la lista. Con Hit elegido, sí. Valve es el editor con más éxitos: 22.

Filtrado cruzado: el gráfico es el control¶

Hasta ahora, tú, el autor, decidías qué preguntas podía hacer el lector. Pero un lector que mira el gráfico de sectores de tramos de precio puede preguntarse: ¿y solo los juegos gratis? No hay un filtro para eso. ¿Tiene que pedírtelo a ti?

El filtrado cruzado (cross-filtering) consiste en hacer clic en una parte de un gráfico (un sector, una barra) para filtrar los demás gráficos del cuadro de mando por ese valor.

En la tienda es hacer clic en una etiqueta en la página de un juego: sin panel, simplemente haces clic en lo que estás mirando.

Por debajo, un filtro cruzado hace lo mismo que un filtro: añade un WHERE a los demás gráficos. La diferencia es quién manda.

La trampa de 2018: un número verdadero, una historia falsa¶

Pon los cuatro cortes uno al lado del otro:

Mira la columna de 2018. Ese año tiene un tercio de todos los juegos de la tabla (8,845 de 26,685) pero solo 37 de los 623 éxitos. ¿Eran peores los juegos de 2018?

No. Eran más jóvenes. Un juego publicado en diciembre de 2018 solo tuvo unas semanas para encontrar propietarios cuando se recogieron los datos. Uno de 2012 tuvo seis años. El filtro cambió el año, y con él cambió otra cosa sin avisarte: el tiempo que tuvo cada juego para venderse.

El número 37 es verdadero. La historia "los juegos de 2018 son peores" es falsa. El filtro te dio las dos.

Dos hábitos te protegen:

• Di qué se filtró antes de citar el número. No "el precio mediano es 9.99", sino "entre los 623 juegos con al menos un millón de propietarios, la mitad cuesta 9.99 o menos, el doble de la mediana de todo el mercado".
• Pregúntate qué más cambió con el filtro. Un corte rara vez es distinto en una sola cosa.

Ideas clave¶

• Un filtro es un control de la barra de filtros que deja al lector elegir un corte. Nada cambia hasta que se pulsa Apply filters.
• Un filtro es un WHERE escondido: cada gráfico de su ámbito ejecuta de nuevo su consulta. Compruébalo con View query.
• Los filtros Value eligen categorías; los filtros Time range eligen fechas, con un inicio inclusivo y un final exclusivo.
• El ámbito decide qué gráficos obedecen. Saca un gráfico cuando el filtro lo dejaría inútil, como la línea de historia.
• Un filtro dependiente encoge su lista según otro filtro. El filtrado cruzado deja al lector filtrar haciendo clic en un gráfico.
• Un KPI filtrado puede ser un número verdadero con una historia falsa: di qué se filtró y pregúntate qué más cambió con él.

Comprobación rápida¶

Tu cuadro de mando ya responde a muchas preguntas en vez de a una. Pero hasta ahora solo lo ves tú. A continuación: Publicación y permisos, o quién puede abrir tu trabajo.