使用tableau进行数据可视化分析

作者:hooly

微信公众号:一口袋星光

在介绍tableau之前,我们先看一个示例:

从网上download一份2016年全年北京市空气质量的数据,做了一个可视化的图表,看图:

图片来自hooly‘mac

通过上图我们可以清晰的看到2016年全年北京市的空气质量情况,细致观察后我们发现,2016年12月差不多有半个月的时间里北京市处于重度以及严重污染的状况。(ノへ ̄、)捂脸

图片来自hooly'mac

以上就是使用tableau花费不到5分钟完成的一份可视化的数据图表。如果你已经对tableau产生了兴趣,那么我们就来具体聊一下吧~

what is tableau?

Tableau Software帮助人们查看并理解数据。帮助你快速分析、可视化并分享信息。

why tableau?

当今社会,商户智能(Business Intelligence,BI)被广泛应用各个行业,并在辅助商业决策方面发挥了重大的作用。但是传统的BI架构在处理企业数据时候有很多的弊端:

开发难度高,上线周期长

架构笨重,无法灵活响应

运维成本高

而tableau是一款定位数据可视化敏捷开发和实现的商务智能展现工具,具有以下核心优势:

数据获取极速高效

用户体验良好且易用的表现形式

易学,不需要技术背景和复杂的统计知识

操作十分简单

what can tableau do ?

我们继续来看几组很cool的可视化数据图表,来深入了解下tableau能为我们展现什么

NO1.第 113 届美国国会投票记录-每个Question下投票记录数

数据下载地址:https://public.tableau.com/zh-cn/s/resources

图片来自hooly‘mac

当然,你也可以使用饼状图来表示:


图片来自hooly‘mac

NO2.1910年美国各个州出生婴儿数

数据下载地址:https://public.tableau.com/zh-cn/s/resources

图片来自hooly‘mac

上图的原数据我们可以看一下,数据字段:美国州名、婴儿性别、出生年月、数目

图片来自hooly‘mac

值得一提的是tableau可以自动识别某一些地理位置的编号,以及日期类型的格式:d=====( ̄▽ ̄*)b厉害

图片来自hooly‘mac

1910年~2012年各个州出生的男女婴儿数目:在每个州出生的所有婴儿里面,我们用颜色标识了男女性别的婴儿。

图片来自hooly‘mac

接下来,1910年~2012年美国全国男女婴儿出生数目情况:

图片来自hooly‘mac

由上图我们看出,从1920年开始,女性婴儿的数目开始和男性婴儿数目拉开差距,且到1970年左右,差距越来越大。(484可以说美国人真的好重男轻女~(ノへ ̄、)捂脸)

其实tableau可以做的图标形式还有很多很多,以上我简单的列举了几种比较常用的。后面我们说下tableau实践部分:

tableau界面介绍:

图片来自hooy'mac

数据窗口:展示当前使用的数据源,以及数据源包含的所有数据字段。在这里我们看到所有数据字段被分为两类:维度和度量(敲黑板)。

维度和度量是tableau使用过程中最重要的两个概念。

度量:往往是一个数值字段,将其拖放到功能区时,tableau默认会进行聚合运算,同时,试图去会战胜相应的轴;

维度往往是一些分类、时间方面的定性字段,将其拖放到功能区时,tableau不会对其进行字段,而是对视图区进行分区,维度的内容显示为歌曲的标题。

离散和联连续:

离散和连续是另一种数据角色分类,在tableau中,蓝色是离散字段,绿色是连续字段,离散字段在行列功能区总是在视图中显示为标题,而连续字段则在试图中显示为轴:

连续:

连续图片来自hooly'mac

离散:

图片来自hooly'mac

写到这里,我们来回到文章的最初,讲一下北京市空气质量情况的可视化图表是如何完成的。

tableau示例详解:

先看一下原始数据:

图片来自hooly'mac

step1:导入数据:

导入数据图片来自hooly’mac

step2:分析下我们想要的最终效果,我们需要在维度上按照季度和月份、以及天分类,而度量则是我们最终需要看的数据:空气质量也就是AQI指数。

图片来自hooly'mac

step3:于是我们做如下操作:

讲日期拖到列标签、行标签(拖两次),将日期单位分别置为:日、季度、月,然后选择智能显示中的第二个图表类型

图片来自hooly'mac

step4:发现和我们最终想要的还有一些差距。我们希望使用颜色来表示不同的污染程度,将AQI指数拖动到颜色上。同时我们不希望AQI对放块儿的大小起作用,于是我们把形状上的AQI指数去掉

图片来自hooly;mac

step5:同时我们不希望AQI对放块儿的大小起作用,于是我们把形状上的AQI指数去掉:

图片来自hooly'mac

step6:这时候我们需要改变方块儿的颜色:

这里根据我们队污染程度区间的定义:0~50:优;50~100:良;100~150:轻度污染;.....等

我们需要对AQI空气指数进行分组:

图片来自hooly'mac

step7:分组完成

图片来自hooly'mac

step8:我们把AQI在颜色上的标记去掉,把刚刚的AQI分组拖到颜色标记上:

图片来自hooly'mac

step9:oh,好像差不多了,只是颜色还有点诡异,没关系,我们改一下颜色:

图片来自hooly'mac
图片来自hooly'mac

step10:我们给每个组分配上不同的颜色,使其更好区分污染程度。然后点击工作表-复制-图像:

图片来自hooly'mac

啊哈,完成!

图片来自hooly'mac

如果您对tableau感兴趣,还可以看我另外文章:

tableau实战基础功能

利用tabeau制作交互式图表

作者:hooly

微信公众号:一口袋星光

我会在微信公号上持续更新我的文章,你来讨论我很欢迎。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容