Tableau数据可视化

Posted 2022-08-26 苦糖?

第1节 简单视图的可视化

1. 条形图

• 条形图是一种把连续数据绘制成数据条的表现形式，通过比较不同组的条形长度，从而比较不同组的数据量大小，例如客户的性别、受教育程度、购买方式等。绘制条形图时，不同组之间是有空隙的，如果没有就是直方图，可分为垂直条和水平条。
• 条形图的主要类型如下：（1）簇状条形图和三维簇状条形图：簇状条形图比较各个类别的值。簇状条形图通常垂直轴显示类别，三维簇状条形图以三维格式显示水平矩形。 （2）堆积条形图和三维堆积条形图：堆积条形图显示单个项目与整体之间的关系。三维堆积条形图以三维格式显示水平矩形，而不以三维格式显示数据。 （3）百分比堆积条形图和三维百分比堆积条形图：通常用于比较各个类别的每一数值所占总数值的百分比大小。
• 例如，要创建一个不同子类别商品的利润额条形图，具体步骤如下：
• 连接“商品订单表.xlsx”数据源后，将度量下的“利润额”字段拖放到列功能区，维度下的“子类别”字段拖放到行功能区，Tableau会自动生成条形图，显示商品在各个子类别上的利润额。

• 然后将“利润额”字段拖入“颜色”和“标签”标记，设置图形颜色，并添加视图标题等。

2. 饼形图

• 饼形图（即饼图）用于展示数据系列中各项与总和的比例，图中的数据点显示为占总体的百分比，每个数据系列具有唯一的颜色或图案，并且用图例表示。
• 饼图的主要类型如下： （1）三维饼图：以三维格式显示每一数值相对于总数值的大小。 （2）复合饼图：将数值从主饼图中提取并组合到第二个饼形图或堆积条形图的饼图。 （3）分离型饼图：显示每一数值相对于总数值的大小，同时强调每个数值。
• 例如，要创建一个不同地区的销售额饼图，具体步骤如下：
• 将度量下的“销售额”字段拖放到行功能区，将“地区”字段拖放到列功能区，会自动生成柱形图。
• 单击“智能显示”中的饼图视图，它显示每个地区在总销售额中的占比。

• 为了使图形更加直观，我们还需要进一步美化。单击“颜色”按钮，对各个地区的颜色进行编辑。单击“大小”标记后，拖动滑块可以放大或缩小饼图，还可以将“地区”和“销售额”拖入“标签”标记给每组加上标签等。

3. 直方图

直方图是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据类型，纵轴表示分布情况。直方图的主要类型如下：

（1）标准型直方图：图形呈现中间高、两边低，左右近似对称。

（2）孤岛型直方图：图形的左侧或右侧出现孤立的小岛。

（3）双峰型直方图：图形中出现两个山峰。

（4）折齿型直方图：图形呈现凹凸不平的形状，

（5）陡壁型直方图：图形像高山一样陡壁，向一边倾斜。

（6）偏态型直方图：图形的顶峰有时偏向左侧、有时偏向右侧。

（7）平顶型直方图：图形没有突出的顶峰，呈平顶型。

例如，要创建一个显示不同订单金额区间的直方图，具体步骤如下：

在度量中选择“销售额”字段，将其拖放到行功能区，还需要单击“智能显示”中的直方图视图，用于创建直方图。显示企业在各个销售额区间的订单次数。

将“支付方式”字段拖入“筛选器”功能区中，例如选择子类别类型为“支付宝”。

将“销售额”字段拖入“颜色”和“标签”标记，并为视图添加标题等，现在可以看出使用支付宝这种支付方式的订单销售额分布情况。

为了能够更清晰的查看销售额分布情况，还可以将横轴的坐标刻度进行固定，这里设置为0到15000（即0K到15K）。

4、折线图

折线图是用直线将各个数据点连接起来而组成的图形，以折线方式显示数据的变化趋势。折线图可以显示随时间而变化的连续数据，因此非常适合显示相等时间间隔的数据趋势。在折线图中，类别数据沿水平轴均匀分布，值数据沿纵轴均匀分布。 数据分析中常常会用到折线图和面积图，看起来很相似，可以完成同一类的分析，但是他们却是不能互换的，正确使用折线图的几点注意事项：

（1）折线图的横坐标只能是时间，如果变成了省份等分类变量，就没有趋势可言。

（2）折线图展示的是一定日期内的数值趋势，而面积图展示的是总值趋势。

例如，要创建一个显示不同订单日期的销

售额折线图，具体步骤如下： 将“订单日期”拖放到列功能区，将“销售额”拖放到行功能区。 为了观察订单按月份的趋势，可以单击列功能区中的“年（订单日期）”，然后选择“月 2015年5月”选项。

我们还可以通过“标记”下的“颜色”“大小”和“标签”等对视图进行美化，并给视图添加标题。

5. 气泡图 气泡图可用于展示三个变量之间的关系绘制时将一个变量放在横轴，另一个变量放在纵轴，而第三个变量则用气泡的大小来表示。 气泡图与散点图类似，不同之处在于：气泡图允许在图中额外加入一个表示气泡大小的变量。

例如，要创建一个不同省市销售额大小的气泡图，具体步骤如下： 将度量下的“销售额”字段拖放到列功能区，将维度下的“省市”字段拖放到行功能区，拖放完成后，Tableau会自动生成条形图。

通过Tableau右上方的“智能显示”调整样式，选择“气泡图”选项。 然后将“销售额”字段拖放到“颜色”标记，为视图添加标题，进一步编辑颜色和美化视图。

第2节 复杂视图的可视化

树状图

树状图通过在嵌套的矩形中显示数据，使用维度定义树状图的结构，使用度量定义各个矩形的大小或颜色。可以将度量放在“大小”和“颜色”标记上，在“颜色”标记上可以包括多个维度，添加维度只会将视图分为更多的较小矩形。

例如：要创建不同类型商品的利润额树状图，具体步骤如下： 将“子类别”拖放到列功能区，将“利润额”拖放到行功能区，当列功能区上有一个维度且行功能区上有一个度量时，Tableau会显示一个默认图表，单击工具栏上的“智能显示”按钮，然后选择“树状图”视图类型。

将“商品类别”拖放到标记卡的“颜色”上，视图将被分为三个独立的区域，“商品类别”将确定矩形的颜色。将“销售额”拖放到标记卡的“标签”上，并为视图添加标题等。

散点图

散点图表示一个变量随另一个变量变化的大致趋势，据此判断两变量之间是否存在某种关联，从而选择合适的函数对数据进行拟合。 散点图的主要类型如下：

（1）散点图矩阵：用于同时绘制多个变量之间的两两相关性的散点图。 （2）三维散点图：由3个变量确定的三维空间中研究变量之间的关系。

例如，要创建订单的实际配送天数和计划配送天数的散点图，具体步骤如下： 将“实际配送天数”拖放到行功能区，将“计划配送天数”拖放到列功能区，同时取消菜单栏“分析”下的“聚合度量”选项。

将“配送延迟天数”拖放到“颜色”和“形状”标记上，并为视图添加标题等，从视图可以看出商品的配送延迟天数分布情况。

箱形图

箱形图又称为箱线图或盒须图，是一种用作显示一组数据分散情况资料的统计图。箱形图主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较等。 箱线图的绘制方法是：先将数据进行排序，找出一组数据的上边缘、下边缘、中位数和两个四分位数，然后连接两个四分位数画出箱体，再将上边缘和下边缘与箱体相连接，中位数在箱体中间。

例如，要创建不同类型商品的折扣箱形图，具体步骤如下： 将“商品类别”和“地区”拖放到列功能区，将“折扣”拖放到行功能区，Tableau将创建一个条形图。单击工具栏中的“智能显示”按钮，然后选择“盒须图”视图类型。

将“折扣”拖放到“标签”标记，并为视图添加标题等，从视图可以看出不同类型商品的折扣分布情况。

环形图

环形图是由两个及其以上大小不一的饼形图叠加而成，挖去中间的部分所构成的图形，环形图与饼形图类似，但又有区别，环形图中间有一个“空洞”。

例如，要创建不同地区退单量的环形图，具体步骤如下： 将度量中的“记录数”拖放到行功能区，重复两次操作，并在标记卡上选择“饼图”。 将视图显示方式调整为适应“整个视图”，选择第一个饼图，单击“大小”标记，修改饼图的大小。

在行功能区，将两个记录数的聚合计算类型由“总和”修改为“平均值”。 在第一个度量上，将“地区”字段拖放到“颜色”标记，“利润额”字段拖放到“角度”标记，并设置快速表计算类型为“合计百分比”。

在第二个度量上，鼠标右击纵坐标轴，选择“双轴”选项。

然后鼠标右击纵坐标轴，选择“同步轴”选项。

再右击纵坐标轴，选择“编辑轴”选项，设置轴的范围，使得圆环图置于视图的中间位置，选择“固定”选项，并输入初始值，固定开始为0.8，固定结束为1.2。

然后使用“大小”标记适当调整两个饼形图的大小，使其更加美观。

设置标签，在第一个度量上，将“地区”和“是否退单”拖放到“标签”标记，并设置“是否退单”的快速表计算类型为“合计百分比”。 设置第二个饼图（内部小的饼图）的颜色，选择第二个饼图，然后选择“颜色”标记，选择颜色类型为“无”，最后，为视图添加标题等，使其更加美观。

倾斜图

倾斜图可以展示单个指标在不同时期的变化情况，既能展示值的大小变化，又能展示排名变化等。 例如，我们需要绘制企业各个门店在2018年和2019年销售业绩排名的倾斜图。 数据包含门店名称、2018年排名、2019年排名三个字段。

绘制倾斜图之前，首先需要对基础数据进行整理，创建“排名变化”新字段，即计算“2018年排名”与“2019年排名”的差值。 注意：由于“2018年排名”和“2019年排名”都为非聚合字段，因此在公式中需要对字段进行聚合处理，如添加SUM函数，才能让两个字段进行计算。

要创建的斜线图，其横轴是“2018年排名”和“2019年排名”两个字段，纵轴是排名，相对前面介绍的视图，绘制过程比较复杂，具体操作步骤如下： 将维度下的“度量名称”和度量下的“度量值”分别拖放到列功能区和行功能区。 在左下角“度量值”区域保留“2018年排名”和“2019年排名”两个度量值，删除其他选项，标记类型选择“线”。

将“排名变化”字段拖放到“大小”标记，将“门店名称”拖放到“标签”标记。

单击标记卡中的“标签”，修改标签的对齐和标签标记选项。

倒转坐标轴，在纵轴上通过鼠标右键进入“编辑轴”页面，将纵坐标轴设置为“倒序”，使得排名按照从上往下的顺序，体现球队排名从高到低。 将“度量值”拖放到“标签”标记，单击“标签”进入其设置页面，将标签设置为“<度量值>.<门店名称>”，在视图中将按照设置好的格式进行显示。

对创建的斜线图进行美化，包括添加视图标题、调整“度量值”的数字格式、去除纵坐标轴标题、添加线条颜色等。

第3节 统计分析的可视化

相关分析

• 相关分析使用相关系数表示变量之间的关系；首先判断是否有关系，接着判断关系为正相关或者负相关，相关系数大于0为正相关，反之为负相关，也可以通过散点图直观的查看变量的关系；最后判断关系紧密程度。通常绝对值大于0.7时认为两变量之间表现出非常强的相关关系，绝对值大于0.4时认为有着强相关关系，绝对值小于0.2时相关关系较弱。
• 相关系数有三类：Pearson、Spearman和Kendall相关系数，它们均用于描述相关关系程度，判断标准也基本一致。 （1）Pearson相关系数：用来反映两个连续性变量之间的线性相关程度。 （2）Spearman相关系数：用来反映两个定序变量之间的线性相关程度。 （3）Kendall相关系数：用来反映两个随机变量拥有一致的等级相关性

1.1 创建简单散点图

例如：需要分析“门店A销售额”与“门店A利润额”两个连续变量之间的关系。 将“门店A销售额”与“门店A利润额”分别拖至列功能区和行功能区，此时视图区域仅有一个点，这是由于Tableau会把两个度量按照“总和”进行聚合。选择菜单栏“分析”下的“聚合度量”选项，移除选中标记，即解聚这两个度量字段。

1.2 创建散点图矩阵

散点图矩阵是散点图的高维扩展，可以帮助探索两个及以上变量的两两关系。 例如，需要分析门店A、门店B、门店C三家门店销售额两两之间的关系。 将“门店A销售额”“门店B销售额”“门店C销售额”等分别拖至行功能区和列功能区，并通过“分析”菜单下的“聚合度量”对三个度量进行解聚。

回归分析

在Tableau创建散点图之后，可以通过添加趋势线对存在相关关系的变量进行回归分析，拟合其回归直线。在向视图添加趋势线时，Tableau将构建一个回归模型，即趋势线模型。截至目前，Tableau内置了线性、对数、指数、多项式和幂等5种趋势线模型。

（1）线性：回归方程是线性函数关系y=a+bx1+ cx2+……。

（2）对数：回归方程是对数函数关系y= logax。

（3）指数：回归方程是指数函数关系y= a^x。

（4）多项式：回归方程是多项式函数关系y=a+bx+cx2+dx3+……。

（5）幂：回归方程是幂函数关系y=x^a。

例如，需要对“门店A销售额”与“门店A利润额”两个变量进行回归分析。

2.1 构建回归模型

将“门店A销售额”与“门店A利润额”分别拖至行功能区和列功能区，然后通过菜单栏“分析”下的“聚合度量”对变量进行解聚，生成简单散点图。 在Tableau中，为散点图添加趋势线有两种方法： 方法1：在散点图上单击鼠标右键，选择“趋势线”下的“显示趋势线”，注意默认构建线性回归模型。

方法2：拖放“分析”窗口中的“趋势线”到右侧视图中，可以选择构建模型的类型，有线性、对数、指数、多项式、幂等5类。

下面以“线性”模型为例进行介绍，首先对简单散点图的横坐标起始范围进行设置，范围为40到190。生成趋势线后将鼠标悬停在趋势线上，这时可以查看趋势线方程和模型的拟合情况。

2.2 优化回归模型

在视图上单击鼠标右键，选择“趋势线”下的“编辑趋势线”选项，Tableau弹出“趋势线选项”页面，此时可以重新选择趋势线的类型等。

2.3 评估回归模型

添加趋势线后，如果想查看模型的拟合优度，我们只需在视图中右击鼠标，选择“趋势线”下的“描述趋势模型”选项，打开“描述趋势模型”页面。

聚类分析

• 聚类分析是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法，要求能合理地按各自的特性进行合理的分类，没有任何模式可供参考或依循，即在没有先验知识的情况下进行的分析，主要有K均值聚类、系统聚类等。Tableau嵌入的聚类模型是K均值聚类算法。 K均值聚类（K-Means）是一种迭代求解的算法，其步骤是：首先指定聚类数K，软件会随机选取K个点作为初始的聚类中心点。然后计算每个对象与
• K个初始聚类中心之间的距离，并把每个对象分配给距离它最近的聚类中心点。聚类中心以及分配给它们的对象就代表一个类，每个类的聚类中心会根据类中现有的对象重新计算，计算每个类中对象的坐标平均值，这个过程将不断重复直到满足终止条件。

3.1 构建聚类模型

下面以企业经营数据为例，对门店A和门店B在3月份销售额数据进行聚类分析。 将“门店A销售额”拖放到列功能区，将“门店B销售额”拖放到行功能区。通过菜单栏“分析”下的“聚合度量”对变量进行解聚。然后设置横轴和纵轴的刻度范围，都从100开始。

拖放“分析”窗口中的“群集”到右侧视图中，在视图的左上方会显示创建群集的信息。 根据绘制的散点图可以看出，分为4类比较合适，因此在弹出的“群集”对话框中的“群集数”中输入4。

将生成的“群集”字段添加到“标记”卡上的“标签”和“形状”控件，然后，对视图进行适当的美化，聚类分析的结果如图所示。

3.2 描述聚类模型

在“群集”下拉框中，选择“描述群集”选项。Tableau会弹出“描述群集”页面，其中在“摘要”选项卡中，描述已创建的预测模型，包括“要进行聚类分析的输入”、“汇总诊断”等。

3.3 编辑聚类模型

在“群集”下拉框中，选择“编辑群集”选项，在“群集”页面，可以添加聚类变量和修改聚类数。

时间序列分析

• 时间序列分析法是根据过去的变化预测未来的发展，前提是假定事物的过去延续到未来。时间序列分析，正是根据客观事物发展的连续规律性，运用过去的历史数据，通过统计分析，进一步推测未来的发展趋势。事物的过去会延续到未来这个假设前提包含两层含义：一是不会发生突然的跳跃变化，以相对小的步伐前进；二是过去和当前的现象可能表明现在和将来活动的发展变化趋向。
• Tableau内嵌了对周期性波动数据的预测功能，可以分析数据规律、自动拟合、预测未来数据等，同时还可以对预测模型的参数进行调整，评价预测模型的精确度等。但是，Tableau嵌入的预测模型主要考虑数据本身的变化特征，无法考虑外部影响因素，因此适用于存在明显周期波动特征的时间序列数据。

4.1 构建时间序列模型

• 时间序列图是一种特殊的折线图，以时间作为横轴，纵轴是不同时间点上变量的数值。
• 下面以企业经营数据为例，创建3月份门店A利润额的时间序列图。
• 将“门店A利润额”拖放到行功能区，将“月份”字段拖放到列功能区，并单击右键，在弹出的下拉框中选择“天”，切换日期字段的级别，视图区即显示3月份门店A利润额的时间序列图。

4.2 时间序列预测

• Tableau嵌入了“指数平滑”的预测模型，即基于历史数据引入一个简化的加权因子，即平滑系数，以迭代的方式预测未来一定周期内的变化趋势。 该方法之所以称为指数平滑法，是因为每个级别的值都受到前一个实际值的影响，且影响程度呈指数下降，即数值离现在越近权重就越大。 通常，时间序列中的数据点越多，所产生的预测就越准确。如果要进行季节性建模，那么需要具有足够的数据，因为模型越复杂，就需要越多的数据进行训练。
• 截至目前，Tableau有3种方式生成预测曲线：
• 方法1：菜单栏“分析”→“预测”→“显示预测”；
• 方法2：在视图上任意一点单击鼠标右键，选择“预测”→“显示预测”；
• 方法3：拖放“分析”窗口中的“预测”模型到视图中。
• 优化预测模型。Tableau默认的预测模型可能不是最优的。可以通过依次单击菜单栏“分析”→“预测”→“预测选项”选项，打开“预测选项”页面，查看Tableau默认的模型类型和预测选项并进行适当的修改。

• 在“预测选项”窗口中，将“预测长度”选项设置为“自动”，“聚合方式”选项设置为“自动”，“预测模型”选项设置为“自动”，然后单击“确定”按钮。

4.3 评估预测模型

• 依次单击菜单栏“分析”→“预测”→“描述预测”选项，打开“描述预测”对话框，可以查看模型的详细描述，分为“摘要”选项卡和“模型”选项卡。
• 在“摘要”选项卡中，描述了已创建的预测模型，上半部分汇总了Tableau创建预测所用的选项，一般由软件自动选取，也可以在“预测选项”对话框中指定。

第4节 地理数据的可视化

地理数据一般是通过绘制地图实现可视化，地图是指依据一定的数学法则，使用制图语言表达地球上各种事物的空间分布、联系及时间的发展变化状态而绘制的图形。

下面简单介绍一下Tableau绘制地图的步骤：

（1）设置角色：构建地图的第一步是指定包含位置数据的字段。Tableau会自动将地理角色分配给具有公用位置名称的字段。

（2）标记地图：在创建地图时，需要将生成的纬度（生成）和经度（生成）分别拖放到行功能区和列功能区，并将地理字段（如“城市”）拖放到“详细信息”标记。

（3）添加字段信息：为了使地图更加美观，需要添加更多字段信息，可以通过从“数据”窗格中将度量或连续维度拖放到“标记”卡实现。

（4）设置地图选项：在创建地图时，有多个选项可以帮助我们控制地图的外观，菜单栏依次单击“地图”→“地图选项”，打开“地图选项”窗格。

（5）自定义地图：创建地图时，可以使用不同方式浏览视图并与其交互，可以放大和缩小视图、平移、选择标记，甚至可以通过地图搜索具体地点等。