内容:
- 构建图表和分析数据
- 嵌入和保存“数据问答”(Ask Data) 功能中的可视化
- “数据问答”(Ask Data)功能支持的分析函数
- 创建针对特定受众聚焦“数据问答”(Ask Data) 功能
- 针对“数据问答”(Ask Data)功能(Ask Data)优化数据
- 为“数据问答”(Ask Data)功能添加同义词
- 为站点禁用或启用“数据问答”(Ask Data) 功能
- 在“数据”窗格中组织和自定义字段
- 编辑字段的默认设置和属性
- 在视图中创建别名以重命名成员
- 在离散和连续之间转换字段
- 将度量转换为维度
- 创建分层结构
- 对数据进行分组
- 使用组为视图设置颜色
- 通过将数据分组来纠正数据错误或合并维度成员
- 创建集
- 为“前 N 个”和“其他”创建集
- 创建参数
- 使用参数使视图更具交互性
- 示例 – 向地图视图中添加参数
- 示例 – 使用参数交换度量
- 自定义日期和时间字段
- 数据源的日期属性
- 更改日期级别
- 自定义日期
- 会计日期
- 完善日期转置
- 自定义日期格式
- ISO-8601 基于周的日历
- 在自定义日期格式中使用基于周的占位符
- 连续日期
- 从头开始构建数据视图
- 通过将字段拖到视图中来开始构建可视化项
- 在视图中使用轴和多个度量
- 度量值与度量名称
- 处理 Null 值和其他特殊值
- 显示或隐藏缺少的值或空行和空列
- 使用“智能显示”启动视图
- 添加视觉细节
- 更改标记的类型
- 控制标记的外观
- 显示和隐藏标记标签
- 移动标记
- 堆叠标记
- 调色板和效果
- 示例 –“颜色”上的多个字段
- 对数据进行筛选和排序
- 筛选数据
- 跨多个数据源筛选数据
- 创建相对日期筛选器
- 使用上下文筛选器改善性能
- 将筛选器应用于多个工作表
- 对数据进行排序
- 展示见解
- 显示合计
- 添加注释
- 在工具提示中创建视图(工具提示内部可视化项)
- 使用动作添加交互功能
- 筛选动作
- 突出显示动作
- 颜色图例突出显示
- 在上下文中突出显示数据点
- 突出显示工具栏按钮
- 创建高级突出显示动作
- URL 动作
- 参数动作
- 集动作
- 运行动作
- 动作和仪表板
- 筛选动作
- 突出显示动作
- 在上下文中突出显示数据点
- 突出显示工具栏按钮
- 在动作名称中使用字段和筛选器值
- 生成常用图表类型
- 生成区域图
- 生成条形图
- 生成盒形图
- 构建标靶图
- 使用密度标记进行构建(热图)
- 生成甘特图
- 生成突出显示表
- 生成直方图
- 生成折线图
- 生成填充气泡图
- 生成饼图
- 生成散点图
- 生成文本表
- 生成树状图
- 生成组合图
- 构建高级图表类型
- 将计算列添加至视图
- 计算 Z 分数
- 显示关键进度指标
- 创建帕累托图
- 创建人口金字塔图
- 使用参数和集创建同现可视化
- 直观显示本福德定律
- 依据连续度量创建数据桶
- 针对辅助功能构建数据视图
- 设计无障碍视图的最佳做法
- 针对辅助功能制作视图
- 地图和地理数据分析
- 入门指南教程
- 地图概念
- 地图工作区
- 使用位置数据
- 连接到数据库中的空间数据
- 在 Tableau 中联接空间文件
- 在地图上绘制无法识别的位置
- 创建 schema.ini 文件
- 混合地理数据
- 自定义地理编码与数据混合
- 分配地理角色
- 编辑未知或不明确的位置
- 构建地图
- 简单地图
- 基于空间文件的地图
- 为地图创建地理层
- 显示定量值的地图
- 突出显示可视数据群集的地图
- 显示比例或聚合数据的地图
- 显示随时间变化的路径的地图
- 显示密度或趋势的地图
- 显示起点和终点之间的路径的地图
- 双轴(分层)地图
- 包含饼图的填充地图
- 自定义地图的外观
- 在地图上创建领地
- 自定义用户与地图的交互方式
- 选择背景地图
- 使用 Mapbox 地图
- 使用 WMS 服务器
- 保存地图源
- 导入地图源
- 浏览地图中的数据
- 在地图中搜索位置
- 入门指南教程
- 地图概念
- 地图工作区
- 在地图中测量数据点与位置之间的距离
- 地图图像存储
- 使用背景图像
- 在 Tableau 中将 Google 地图和 OpenStreetMap 的图像添加为背景图像
- 查找背景图像坐标
- 分析数据
- 使用“数据解释”功能更快地发现见解
- “数据解释”功能入门
- 解释类型
- 使用“数据解释”功能的要求和注意事项
- 控制对“数据解释”功能的访问
- “数据解释”功能的工作原理
- 查看分析的字段
- 为站点禁用或启用“数据解释”功能
- 使用数据更改雷达识别异常值(有限预览)
- 添加参考线、参考区间、参考分布和参考箱
- 显示趋势线
- 标记线
- 在数据中查找群集
- 预测数据
- Tableau 中的预测工作原理
- 创建预测
- 在视图中没有日期时进行预测
- 预测字段结果
- 配置预测选项
- 查看预测说明
- 预测疑难解答
- 解决预测错误
- 预测建模
- 预测建模函数在 Tableau 中的工作方式
- 选择预测模型
- 选择预测因子
- 预测建模中的计算依据和数据分区
- 示例 - 使用预测建模函数探索女性预期寿命
- 时间系列可视化项中的预测建模函数
- 使用生成的标记的预测建模
- 预测建模中的正则化与扩增
- 解决预测建模函数中的错误
- Tableau 中的 Einstein Discovery
- 使用 Einstein Discovery 仪表板扩展程序在 Tableau 中浏览预测
- 将表达式传递到分析扩展程序
- 分析扩展程序连接疑难解答
- 创建计算字段
- 计算入门指南
- 创建简单的计算字段
- 了解计算
- 计算的类型
- 选择正确的计算类型
- 关于了解如何创建计算的提示
- 创建计算的最佳做法
- 设置计算的格式
- 函数
- 数字函数
- 字符串函数
- 日期函数
- 类型转换
- 逻辑函数
- 聚合函数
- 直通函数 (RAWSQL)
- 用户函数
- 表计算函数
- 空间函数
- 预测建模函数
- 其他函数
- Tableau 中的 FORMAT() 函数解决方法
- 所有函数(分类)
- 所有函数(按字母顺序)
- 表计算
- 表计算类型
- 快速表计算
- 自定义表计算
- 详细级别表达式
- 概述:详细级别表达式
- 表范围详细级别表达式
- FIXED 详细级别表达式
- INCLUDE 详细级别表达式
- EXCLUDE 详细级别表达式
- 使详细级别表达式与视图详细级别一致
- 筛选器和详细级别表达式
- 详细级别表达式的数据源约束
- 使用计算字段的提示
- 临时计算
- 使用计算进行聚焦
- 计算百分比
- 在视图中浏览和检查数据
- 缩放和平移视图,以及选择标记
- 撤消和重做
- 摘要卡
- 查看基础数据
选择正确的计算类型
tableau- 版本 :2022.1 及更高版本
适用于: Tableau Desktop, Tableau Online, Tableau Server
您选择的计算类型取决于您的分析需求、您想要回答的问题以及可视化项的布局。
哪种计算适合于您的分析?
为分析选择要使用的计算类型并不总是一件容易事。尝试做出决定时,请考虑以下问题和示例。
注意:此内容最初在 Tableau 博客上发布。请参阅 A Handy Guide to Choosing the Right Calculation for Your Question(有关为您的问题选择正确计算的便捷指南)(链接在新窗口中打开)进行阅读。
基本表达式还是表计算?
问题 1:可视化项上是否已经有了所有需要的数据值?
如果回答为“是”:您可以使用表计算。
如果回答为“否”:使用基本计算。
示例:
假设有以下两个可视化项。左侧的可视化项是一个条形图,其中显示每个国家/地区的总销售额。右侧的可视化项也显示每个国家/地区的销售额,但销售额已解聚。
您将如何为其中的每个可视化项计算销售额的第 90 个百分位?
左侧的条形图已通过 SUM 聚合。因此,此视图中没有足够的详细信息来使用表计算。您可以使用基本聚合表达式,通过以下公式为此示例中的每个国家/地区计算销售额的第 90 个百分位:
PERCENTILE([Sales], .90)
这将为每个国家/地区的第 90 个百分位生成一个值,作为各个条形的标签。
但是,左侧的条形包括每个销售订单的数据值。将会显示更大的分布和离群值。视图中有足够的详细信息来使用表计算。
可以通过使用分布区间(相当于一个表计算)来计算每个国家/地区销售额的第 90 个百分位。此可视化项中有更多上下文。
两个计算都能得到相同值,但根据可视化项中的详细级别(数据量),您从每个计算中收集的细节会有所不同。
基本表达式还是详细级别 (LOD) 表达式?
如果可视化项上没有您需要的所有数据,则需要将计算传递到数据源。这意味着,您必须使用基本计算或 LOD 表达式。
如果对问题 1 的回答为“否”,请询问自己以下问题:
问题 2:您的问题粒度是否与可视化项粒度或数据源粒度匹配?
如果回答为“是”:使用基本计算。
如果回答为“否”:使用详细级别 (LOD) 表达式。
示例
假设有以下可视化项。它显示每个国家/地区所有订单销售额的第 90 个百分位。
此示例使用 Tableau 附带的“Sample-Superstore”数据源。如果您熟悉“Sample-Superstore”数据源,您可能知道每个“Order Id”(订单 Id)有一行数据。因此,数据源的粒度为“Order ID”(订单 ID)。但是,可视化项的粒度为“Country”(国家/地区)。
在粒度级别为订单 ID 的情况下,如果想要知道每个国家/地区销售额的第 90 个百分位是什么,您可以使用以下 LOD 表达式:
{INCLUDE [Order ID] : SUM([Sales])}
然后,您可以将字段更改为在视图中的第 90 个百分位处聚合。
为此,请单击字段下拉菜单,并选择“度量”>“百分位”>“90”。
下图演示了这种情况下 LOD 表达式的工作方式:
数据在“SUM(Sales)”处开始完全聚合,然后下移至“Country”(国家/地区)详细级别:在“Country”(国家/地区)处进行“SUM(Sales)”计算。
将应用 LOD 计算,并且数据将获得更多粒度:在“Country”(国家/地区)+“Order Id”(订单 Id)处进行“SUM(Sales)”计算。
LOD 计算聚合到第 90 个百分位:在“Country”(国家/地区)+“Order Id”(订单 Id)处进行“PCT90(SUM(Sales)”计算
结果如下:
表计算还是详细级别 (LOD) 表达式?
在选择表计算还是 LOD 计算时,过程与选择表计算还是基本表达式非常相似。请询问自己以下问题:
可视化项上是否已经有了所有需要的数据值?
如果回答为“是”,则使用表计算。
如果回答为“否”,则询问自己:您的问题粒度是否与可视化项粒度或数据源粒度匹配?如果回答为“否”:使用 LOD 计算。
仅使用表计算
某些方案下只有表计算有效。这些方案包括:
排名
递归(例如,累计总计)
移动计算(例如,移动平均)
内部行计算(例如,期间对照计算)
如果您的分析需要任何这些方案,请使用表计算。
示例
假设有以下可视化项。它显示 2014 年 9 月至 2015 年 9 月间若干股票的平均收盘价。
如果要查看迄今为止收盘价超出其创纪录收盘价的次数,您必须使用表计算,特别是递归计算。
为什么?因为表计算能够为每个数据分区(单元格、区、表)输出多个值,而基本和 LOD 表达式则只能为每个数据分区或分组输出单一值。
若要为每个股票计算收盘价超出其创记录收盘价的次数,您需要执行几个步骤。
在确定您是否已达到新的最高收盘价之前,您需要考虑所有以前的值。借助 RUNNING_MAX 函数可实现这一点。例如,假设有以下按(横跨表格的)各天运算的计算,名为“Record to Date”(迄今为止的记录):
RUNNING_MAX(AVG([Close]))
接着,您可以使用以下按(横跨表格的)各天运算的以下计算标记记录被打破的天数,该计算名为“Count Days Record Broken”(计算打破记录的天数):
IF AVG([Close]) = [Record to Date]
THEN 1
ELSE 0
END最后,您可以使用以下按(横跨表格)的各天运算的计算来计算这些天数:
RUNNING_SUM([Count Days Record Broken])
将最终的计算字段添加到视图中替换 Avg(Close) 后,您将得到如下结果: