大数据可视化案例分析_Tableau数据可视化分析案例

0x00 Tableau简介

Tableau是一款定位于数据可视化敏捷开发和实现的商务智能展现工具，可用来实现交互的、可视化的分析和仪表盘应用。
Tableau提供了体验感良好且易用的使用界面，在处理大规模、多维数据时，可以即时从不同角度看到数据呈现的规律。操作简单，大大降低了技术门槛，但其呈现出来的效果却十分优秀。

本文围绕一个使用Tableau进行可视化的实例，介绍了Tableau中一些基础概念和绘图的简单操作，下面一起开始可视化之旅吧~

0x01 奥运会数据集可视化

数据来源：Kaggle"120 years of Olympic history: athletes and results"数据集。

包括athlete_events.csv和noc_regions.csv两个文件，有从1896年雅典奥运会到2016年里约奥运会的每一届奥运会的数据。

athlete_events.csv文件包含15个字段、271116条记录。每一条记录对应一位在一项奥运会项目中参赛的运动员。具体字段及对应含义如下：

ID - 运动员ID编号
Name - 运动员姓名
Sex - 性别
Age - 年龄
Height - 身高(cm)
Weight - 体重(kg)
Team - 队伍名称
NOC - 国家奥委会编码
Games - 奥运会年份和季节
Year - 年份
Season - 季节
City - 主办城市
Sport - 体育运动
Event - 比赛项目
Medal - 获奖情况(金、银、铜、未获奖)

noc_regions.csv描述的是国家奥委会编码与具体的国家(/地区)名称的对应关系。包含3个字段，分别是NOC国家奥委会编码、regions国家(/地区)具体名称及notes备注。

1 数据连接与管理

打开Tableau，会进入到数据源界面，可进行如下几个操作：

数据连接

Tableau可连接Excel、文本文件、JSON文件、空间文件(Shapefile、GeoJSON文件等)、统计文件等多种本地数据源。在连接数据源时，如果仅需要使用部分数据，也可对数据进行筛选。

数据整合

Tableau可对来自不同数据表的数据实现多表合并(行)、多表联接(列)及多个数据源的融合。
行合并通过【新建并集】实现，使用并集合并的表需要有相同的结构，即相同字段数，且相关字段名称和数据类型匹配。
列合并通过【联接】实现，需要选择同名字段作为关联字段，有四种联接类型，即内部、左侧、右侧、完全外部联接，默认是内部联接。

注：在2020.2之后的版本中，数据源使用的数据模型具有两个层：一个逻辑层(在其中关联表)，一个物理层(在其中联接或合并表)。更推荐使用【关系】来连接数据，关系是一种更灵活、动态的方式，根据关联字段确定联接可能性，而不创建新的固定表。

数据加载

Tableau有两种加载数据的方式，一是实时连接，从数据源获得查询结果；另一种是数据提取，将数据提取到Tableau数据引擎中进行管理。

将两张表的数据加载至Tableau，会基于NOC字段自动进行连接。在数据源界面可查看前1000行数据，并进行一些重命名、排序等基本操作。数据预处理导入完毕，下面就可以大展身手，正式开始可视化啦！

2 图表绘制

1) 折线图

基于运动员的ID和年份字段，来绘制一个各届参赛运动员数变化的折线图。

新建一个工作表。可以看到如下几个功能区。

数据窗口

导入Tableau的数据会被自动划分为【维度】和【度量】。在连接数据时Tableau会对各个字段评估划分，如果分配与实际情况不符，例如运动员ID被认为是度量，可右键进行转换。
维度通常是分类、时间等定性的离散数据，将其拖放至功能区不会被计算，而会对视图进行分区。度量通常是数值数据，拖放至功能区会默认进行聚合计算(总和、平均值、计数等)。
Tableau支持多种字段类型，维度中包括文本、日期、日期和时间、地理值、布尔值；度量中包括数字、经纬度(当数据包含地理类型名称会自动生成)。

行列功能区

对应X、Y轴数据。

将Year拖至列，运动员ID拖至行，ID被默认为离散类型，生成的图表如下：

下面将ID的类型改为度量→计数(不同)，Y轴即为每届奥运会运动员的总人数。但由于原文件夏季奥运会和冬季奥运会数据是混合的，故折线图形状明显异常。

标记卡

Tableau中，定义图表中的形状、颜色、大小、标签等属性，通过标记卡完成。
【颜色】和【大小】会根据放入字段数值相应改变。颜色和大小只能放入一个字段，但是【标签】可放入多个。
【详细信息】会根据拖放的字段对视图细化。
【工具提示】即可“对当光标移到视图某个标记显示的标记信息”的内容进行编辑。

将Season拖至标记卡中的【颜色】，就能看到夏季和冬季的数据分成了两条折线，每个类型对应一种颜色，并自动生成图例，完成了一幅基本的折线图。

对图表标题、颜色、坐标轴标签、坐标轴范围等进行设置，只需点选预览即可。最终效果如下：

同理绘制各届赛事项目数、各界参与国家数折线图。

2) 堆叠面积图

生成过程与折线图基本相同，只需修改图表类型。在Tableau界面右端有一个【智能推荐】按钮，可快速创建基本图形，光标移动到图形上就会显示字段要求。

效果如下：

3) 柱状图/条形图

以绘制奖牌数排名前15国家的得奖情况的柱状图为例。

首先将Medal和Region分别拖入行列功能区，Medal类型改为度量→计数。因为国家数太多，生成的柱状图太长，图表不便于查看，下面基于新建计算字段对显示的国家进行筛选。

计算字段

计算字段是根据数据源字段使用运算符和函数构造公式来定义字段。
运算符支持加减乘除等所有运算符。函数包括数字、字符串、日期、类型转换等各类Tableau自带计算函数。

因为预处理对Medal的空缺值进行了填充，若直接对其进行计数，实际上结果等于“各国参与运动员数”，与期待的“各国奖牌数”不符。故先基于Medal新建一个计算字段Medal_Num。在数据区域Medal上右击创建→计算字段，输入表达式如下，然后对Medal计数即可。

筛选器

筛选器可对全量数据进行筛选，有常规、通配符、条件、顶部四种，可根据各种需要对数据进行筛选。

这里只筛选显示奖牌数前15的国家。将Region拖入筛选器，自动弹出筛选器对话框，选择顶部。按Medal_Num字段，计数，筛选出前15个国家。然后再将国家基于Medal_Num字段降序排序。

将Medal拖入标记卡中的颜色，即可生成堆叠柱状图，其中金银铜及未获奖按不同颜色显示。再将Medal拖入筛选器，选择不显示"No Medal"；在筛选器上右键，选择显示筛选器，筛选器就在视图左侧显示。堆叠柱状图效果如下：

各届男女运动员人数柱状图、奥运会奖牌数条形图绘制类似。由于时间跨度长，可添加一个基于Year的筛选器，只展示特定时间区间的数据。

4) 箱线图

箱线图可以反映数据的基本统计特征，包括最大最小、上下四分位数、中位数等。以绘制各届奥运会运动员身高分布的箱线图为例。

将Year和Height分布拖入行列功能区，在视图右侧智能推荐选择箱线图，会得到一些离散分布的线。

需要在菜单分析栏，取消聚合度量，即可生成一幅箱线图。观察到数据集中于图表上部，对纵轴的坐标范围进行设置，还可添加基于性别的筛选器，最终效果如下：

5) 饼图

以男女运动员比例饼图为例。

在标记卡中选择饼图，将字段ID拖入角度，数据类型改为度量→计数(不同)，会生成一个圆形，但是还未显示男女比。继续将Sex拖入颜色和标签，添加Year筛选器，效果如下：

3 图表组合、布局

将上面绘制的图表，按照相似主题，组合成仪表板。

仪表板支持在单一面板多个工作表的集合，便于同时比较监测数据，通过添加筛选器、突出显示等操作，还可实现数据的下钻，交互性更强。
在Tableau中，文本、图像、网页、空白都可被当作对象添加至仪表板中。

【布局容器】是仪表板布局的框架，分为水平和垂直两种，用来放置工作表、筛选器、图例、文本等。
【布局方式】有平铺和浮动两者。默认的平铺方式，即所选工作表或对象平行分布，互不遮盖。浮动布局则更为自由，可随意调整对象大小及位置，以实现更好效果。
布局流程一般是，添加布局容器，然后在容器中添加内容，再添加另一布局容器。