Tableau可视化分析实战系列Tableau基础概念全解析 -数据结构及字段

Posted 2021-09-14 文宇肃然

前言

什么是维度和度量？为何有一些字段维度和其他度量？

为何一些字段的背景颜色是蓝色，而另外一些字段的背景颜色是绿色？

添加筛选器会对我的可视化项产生怎样的影响？

以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！

MATLAB-30天带你从入门到精通

MATLAB深入理解高级教程（附源码）

tableau可视化数据分析高级教程

Tableau 如何聚合视图中的数据？

此部分中的主题涵盖回答这些问题的概念，以帮助你理解 Tableau 为什么会这样做。

1.构造用于分析的数据

对于了解数据准备以及如何构造用于分析的数据，有一些概念至关重要。数据可以采用各 种各样的格式生成、捕获和存储，但是在分析时，并不是所有的数据格式都是相同的。

数据准备是将格式良好的数据放入单个表或多个相关表中以便在 Tableau 中进行分析的过

程。这包括结构( 即行和列) 以及数据清洁度的各个方面，例如正确的数据类型和正确的数 据值

2.结构如何影响分析

你可能无法控制数据的结构。本主题的其余部分假定你有权访问原始数据和塑造原始数据 所需的工具，例如 Tableau Prep Builder。但是，在某些情况下，你可能无法根据需要转置或 聚合数据。通常仍然可以执行分析，但你可能需要更改计算或者处理数据的方式。有关如何 使用不同数据结构执行相同分析的示例，请参见 Tableau Prep 日常生活场景：Tableau Desktop 中包含第二个日期的分析。但是，如果你能够优化数据结构，可能会使你的分析 更加容易。

3.数据结构

Tableau Desktop 最适合处理表格格式类似电子表格的数据。也就是说，数据存储在行和列

中，列标题位于第一行。那么，什么是行或列？

3.1什么是行？

行( 或记录) 可以是任何内容，从零售商店交易信息到特定地点的天气测量数据，或者有关 社交媒体帖子的统计信息。

了解数据中的记录( 行) 表示的内容非常重要。这是数据的粒度。

提示：最佳做法是使用唯一标识符，该值将每一行标识为唯一的数据段。把它想象成社会保 险号或每条记录的 URL。在 Superstore 中，这将是“Row ID”( 行 ID) 。请注意，并非所有数据 集都有 UID，但拥有 UID 也无妨。

尝试确保可以回答“数据集中的行代表什么？”问题。这与回答“‘TableName(Count)’字段代表 什么？”是一样的。如果无法清楚地说明这一点，则数据的结构可能较差，无法进行分析。

4.聚合和粒度

与构成行的内容相关的概念是聚合和粒度的概念，它们是一个范围的两端。

4.1聚合

指的是多个数据值是如何组合为单一值的，例如对所有针对南瓜香料的 Google 搜索 进行计数，或者取西雅图附近某一天所有温度读数的平均值。

    默认情况下，Tableau 中的度量始终是聚合的。默认聚合为 SUM。你可以将聚合更改 为“平均值”、“中值”、“不重复计数”、“最小值”等选项。

4.2粒度

是指数据的详细程度。数据集中的行( 或记录) 代表什么？疟疾患者？一个省当月的疟 疾病例总数？这就是粒度。

了解数据的粒度对于使用详细级别 (LOD) 表达式至关重要。

理解聚合和粒度是一个重要的概念，原因有很多：它会影响查找有用的数据集、构建所需的 可视化项、正确地关联或联接数据以及使用 LOD 表达式等操作。

5.什么是字段或列？

表中的一列数据作为数据窗格中的字段进入 Tableau Desktop，但它们本质上是可互换的 术语。( 我们将术语“列”保存在 Tableau Desktop 中，以供列和行功能区使用，并用于描述某 些可视化项。) 数据字段应该包含可以分组成更大关系的项目。项目本身称为值或成员( 只 有离散维度包含成员) 。

给定字段中允许的值由字段的域确定( 请参见下面的注释) 。例如，“杂货店部门”一栏可能包 含成员“熟食店”、“面包店”、“农产品店”等，但它不包括“面包”或“意大利香肠”，因为这些是项目，不是部门。换句话说，部门字段的域仅限于可能的杂货店部门。

此外，结构良好的数据集将有一个“销售额”列和“利润”列，而不是单一的“资金”列，因为利润 是一个与销售额分开的概念。

  “销售额”字段的域将为大于等于 0 的值，因为销售额不能为负数。

   但是，“利润”字段的域将是所有值，因为利润可能为负。

注意：域也可以表示数据中存在的值。根据这个定义，如果列“杂货店部门”错误地包 含“意大利香肠”，那么该值将在列的域中。这些定义略为矛盾。一个是可能或应该存 在的值，另一个是实际存在的值

6.对字段进行分类

数据表中的每个列都作为字段进入 Tableau Desktop，该字段将显示在“数据”窗格中。

Tableau Desktop 中的字段必须是维度或度量( 在“数据”窗格中由一条线分隔) 以及离散字 段或连续字段( 颜色编码：蓝色字段为离散字段，绿色字段为连续字段) 。

维度是定性的，也就是说它们不能被测量，而是被描述。维度通常是城市或国家/地

区、眼睛颜色、类别、团队名称等。维度通常是离散的。

    度量是定量的，这意味着可以使用数字测量和记录它们。度量可以是销售额、高度、

点击数等。在 Tableau Desktop 中，度量值将自动聚合；默认聚合为 SUM。度量通常是 连续的。

    离散的意思是单独分开或不同。丰田有别于马自达。在 Tableau Desktop 中，离散值 作为标签进入视图，并创建区。

    连续意味着形成一个完整的、连续的整体。7 后跟 8，然后与 9 的距离相同，7.5 介于 7 和 8 之间。在 Tableau Desktop 中，连续值作为轴进入视图。

    维度通常是离散的，度量通常是连续的。然而，情况并不总是这样。日期可以是离散，

也可以是连续的。

       日期是维度，并且自动以离散的形式进入视图( 又称日期部分，如“八月”，它考 虑的是“八月”这个月份，而不考虑其他信息，如年份) 。应用于具有离散日期的 时间线的趋势线将分成多条趋势线，每个区一条。

       如果愿意，我们可以选择使用连续日期( 也称为日期截断，例如“2017 年 8 月”， 与“2018 年 8 月”不同) 。应用于具有连续日期的时间线的趋势线对于整个日期轴 将只有一条趋势线。

在 Tableau Prep 中，对维度或度量不作任何区分。但是，了解离散或连续背后的概念对于了 解配置窗格中数据的详细信息与摘要表示等内容非常重要。

    详细信息：详细信息视图将每个域元素作为离散标签显示，并具有可视滚动条，以提供 所有数据的可视概览。

    摘要：摘要视图将数据以分桶方式显示在连续轴上，显示为直方图。

6.1分桶和直方图

像年龄或薪水这样的字段被视为是连续的。34 岁和 35 岁之间有关系，34 岁离 35 岁就像 35岁离 36 岁一样远。然而，一旦我们过了 10 岁左右，我们通常就不会说诸如“9 岁半”或“7 岁 9 个月”之类的话。我们已经按照整齐的以年为单位的增量对年龄进行了分桶。12,850 天大的 人比 12,790 天大的人更老，但我们划定界限，说他们都是 35 岁。同样，年龄分组通常用来代 替实际年龄。电影票的儿童价格可能适合 12 岁及以下的儿童，或者调查可能会要求你选择 你的年龄组，例如 20-24、25-30 等。

直方图用于通过分桶来可视化数值数据的分布。直方图类似于柱状图，但是组成直方图的矩 形并不是各个条形的离散类别，它们跨越了一个连续轴数据桶，例如花的数量的范围( 0- 4、 5 - 9、10 -14，等等) 。矩形的高度由这些值的频率或计数确定。在这里，y 轴是放入每个数据 桶中的植物的计数。七株植物有 0-4 朵花，两株有 5-9 朵花，43 株有 20-24 朵花。

在 Tableau Prep 中，摘要视图是分桶值的直方图。详细信息视图显示每个值的频率，并在旁 边有一个显示数据总体分布的可视滚动条。

6.2分布和离群值

查看数据集的分布有助于离群值检测。

   分布：直方图中数据的形状，尽管这取决于条形的大小。能够在直方图视图中查看所 有数据，有助于确定数据是否正确和完整。只有在了解数据并可以解释分布是否有意 义时，分布的形状才有用。

举例来说，如果我们查看 1940 年至 2017 年宽带互联网家庭数量的数据集，我 们会看到一个非常倾斜的分布。但是，如果我们查看 2017 年 1 月至 2017 年 12

月宽带互联网的家庭数量，我们预计分布将相当均匀。

如果我们看一下 Google 搜索“南瓜香料拿铁”的数据集，我们预计在秋季会出现 一个相当尖锐的峰值，而搜索“将摄氏度转换为华氏度”可能会相当稳定。

   离群值：与其他值相比的极端值。离群值可能是正确的值，也可能表示错误。

某些离群值是正确的并指示实际异常；不应移除或修改这些值。

某些离群值表示数据清洁度问题，例如工资为 50 美元而不是 50,000 美元，因为 键入了句点而不是逗号。

7.使用分布直观地检测离群值

乍一看，它看起来并不奇怪。但是，如果不是一个标签列表，而是绘制在一个连续的分桶轴

上，它看起来会是这样的：

更明显的是，最后一个观测值离第一个观测值更远，并且由于误差而可能是一个离群值。