<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[springyang2015的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/springyang2015</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; springyang2015]]></copyright><item><title><![CDATA[Tableau图表 •  环状条形图（radial bar chart）]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/104828884</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/104828884</guid><author>springyang2015</author><pubDate>Thu, 12 Mar 2020 21:43:30 +0800</pubDate><description><![CDATA[环状条形图（radial bar chart），又称跑道图，在pulic上比较多见，它比传统的饼图或者条形图更具有视觉冲击力，就像下面这样：

环状条形图的创建相对于饼图和条形图而言，还是复杂了一点，特别是像我这样数学不好的学生，对涉及到的数学知识完全不理解，不过没关系，这些就交给tableau大神们去研究，我这样的小菜鸟只需要照葫芦画瓢，知道怎么用就行。下面，我们就使用tableau自带的超市数...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 维诺图（Voronoi Diagram）]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/104788879</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/104788879</guid><author>springyang2015</author><pubDate>Wed, 11 Mar 2020 08:16:00 +0800</pubDate><description><![CDATA[今天，看到了tableau女神Yanning Wang发布的MakeoverMonday 2020W7作业，里面使用的图形给人以非常强烈的视觉冲击感，经科普，得知该图形名为Voronoi Diagram（维诺图）。

本来对我这种菜鸟，遇到此类高难度的图表一般都是绕路走，特别是需要对基础数据进行复杂加工处理的图形，我更是敬而远之，但在女神发布的工作簿中，提供了国外大神制作的便捷工具，让我们只需要两...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 填充条形图]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/104788865</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/104788865</guid><author>springyang2015</author><pubDate>Wed, 11 Mar 2020 08:14:01 +0800</pubDate><description><![CDATA[条形图是数据可视化中最常用的图形，在很多tableau的仪表板中，都能看到条形图的身影。在使用条形图显示比例进度或者比例完成情况时，为了拥有更好的可视化体验，经常会应用填充条形图来展现，今天就一起来创建填充条形图。

在实现思路上，填充条形图实际是通过创建两个数据比例互补的条形图（），使用双轴图和格式化显示效果来实现。
这里使用tableau自带的超市数据集，创建各个地区的利润填充条形图。
第一步...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 雷达图]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/104295673</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/104295673</guid><author>springyang2015</author><pubDate>Thu, 13 Feb 2020 14:40:40 +0800</pubDate><description><![CDATA[雷达图，又名“戴布拉图”、“蜘蛛网图”，可用于对比同类群体中的相对强弱及综合实力，常用来直观比较两个或多个个体的各个维度的数值差异。

这里使用足球游戏中的部分球员能力值数据集，创建球员能力雷达图。
导入数据
这里的数据集结构比较简单，共有11个球员，每个球员有六项能力，要创建的雷达图将用于这些球员之间的六项能力对比。

将球员数据集导入到tableau，并将它们进行转置，更改字段名称，完成初始数...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 仪表盘2]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/104295598</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/104295598</guid><author>springyang2015</author><pubDate>Thu, 13 Feb 2020 14:35:40 +0800</pubDate><description><![CDATA[仪表盘图表2
数据可视化中，仪表盘图表有着多种类型，比如下面这种类似汽车仪表盘的图表，主要通过指针来指示数据位置，具体制作方法在这里：我是传送门

还有一种仪表盘如下所示，主要通过颜色填充来指示数据位置。

上面的仪表盘看起来像是半个圆环图，与汽车仪表盘类似，它的起点也在9点位置，终点在3点位置。但在创建方法上，两个图表有所区别，汽车仪表盘主要通过函数来计算指针的角度，而填充仪表盘则需要通过对圆形...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 仪表盘1]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/104295538</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/104295538</guid><author>springyang2015</author><pubDate>Thu, 13 Feb 2020 14:32:50 +0800</pubDate><description><![CDATA[仪表盘图表1
仪表盘图表是一种常见的可视化图表，它的形态就像是汽车的仪表盘，非常直观，能让人一看就知道该图表要传递的信息。

通过tableau创建仪表盘图表，核心是解决好起点和终点的问题。如下所示，该图表的起点在9点位置，终点在3点位置，因此需要通过相关角度计算来实现。

这里以tableau自带的超市数据集为例，创建子类别销售额的仪表盘图表，用于显示各子类别销售额与最大销售额的比较情况。
第1...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 堆积发散条形图（李克特量表）]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/104295497</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/104295497</guid><author>springyang2015</author><pubDate>Thu, 13 Feb 2020 14:30:42 +0800</pubDate><description><![CDATA[在做问卷调查时，经常会使用李克特量表来测量被调查者对于指定陈述的认同程度。
该量表由一组陈述组成，每一个陈述都包括"非常同意"、“同意”、“不一定”、“不同意”、"非常不同意"五种回答，分别记为5分、4分、3分、2分、1分，每个被调查者的态度总分就是他对各道题的回答所得分数的加总，这一总分可说明他的态度强弱或他在这一量表上的不同状态。
简单而言，就是被调查者对某一种说法的认可程度，并用1-5表示认...]]></description><category></category></item><item><title><![CDATA[Tableau图表字典]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/104295223</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/104295223</guid><author>springyang2015</author><pubDate>Thu, 13 Feb 2020 14:16:58 +0800</pubDate><description><![CDATA[tableau的图表类型非常丰富，常用的条形图、饼图、散点图、甘特图、直方图、标靶图等图表属于“开袋即食”，已经内置到了tableau的“智能显示”中，选择数据源的相关字段直接调用即可，不常用的桑基图、径向图、玫瑰图等图表，也可以应用tableau的各种方式和技巧创建出来。对于刚接触数据分析和tableau工具的菜鸟，比如我来说，此时问题来了，面对这么多图表，究竟应该选择哪一种图表来满足我的分析需...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 华夫饼图]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/104295111</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/104295111</guid><author>springyang2015</author><pubDate>Thu, 13 Feb 2020 14:13:07 +0800</pubDate><description><![CDATA[华夫饼图（Waffle Chart），一种正方形图表，可以直观显示特定类别的百分比情况。与传统的饼图相比较，华夫饼图由于不涉及角度，因此它表达的百分比更清晰、更准确。

这里使用tableau自带的超市示例数据集，创建分地区利润率的华夫饼图。总体分为三个步骤：


创建基础网格
创建网格视图
添加文本


创建基础网格
创建辅助表
要创建华夫饼图，首先需要创建一个10x10的网格，每个网格代表1%...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 热图日历]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/102885612</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/102885612</guid><author>springyang2015</author><pubDate>Sun, 03 Nov 2019 19:11:29 +0800</pubDate><description><![CDATA[前几天，有小伙伴在后台问我，能否发一篇关于热图日历的文章，并用R软件制作了一张示例图供我参考（见下图）。经过一段时间学习，算是基本摸清了热图日历的制作方法及步骤，这里写出来与大家进行分享和交流。

热图日历：顾名思义，就是用日历形式对数据进行热图类型可视化，常用于查看较长一段时期，如整个年度或数个月度，每天的数值变化情况。


对于热图日历，我个人觉得根据难度可以分为三种类型，本文按照由易到难的顺...]]></description><category></category></item><item><title><![CDATA[从零开始Tableau | 16.LOD详细级别表达式 FIXED]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/102881689</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/102881689</guid><author>springyang2015</author><pubDate>Sun, 03 Nov 2019 13:29:38 +0800</pubDate><description><![CDATA[在LOD表达式的三种关键字中，Fixed最为特殊，它可以创建聚合度高于或低于可视化详细级别（即数据颗粒度较低或较高）的表达式。本节记录要点：

Fixed使用场景
Fixed使用实例


Fixed的使用场景
具体而言，当有以下两类场景需求时，可以考虑选择Fixed：

当希望LOD表达式不依赖视图中的维度时
当希望LOD表达式可以不受维度筛选器、度量筛选器、表计算筛选器的影响时

如图所示，图...]]></description><category></category></item><item><title><![CDATA[从零开始Tableau | 15.LOD详细级别表达式 Exclude]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/102880018</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/102880018</guid><author>springyang2015</author><pubDate>Sun, 03 Nov 2019 10:36:01 +0800</pubDate><description><![CDATA[在LOD表达式的三种关键字中，Exclude可以创建聚合度高于可视化详细级别（即数据颗粒度较低）的表达式。本节记录要点：

Exclude使用场景
Exclude使用实例


Exclude的使用场景
具体而言，当有以下两类场景需求时，可以考虑选择Exclude：

要对数据以较粗的详细级别进行计算然后重新聚合，并在可视化中以更低聚合度（更高数据粒度）显示时
希望排除视图中的维度时

如图所示，...]]></description><category></category></item><item><title><![CDATA[从零开始Tableau | 14.LOD详细级别表达式 Include]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/89519455</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/89519455</guid><author>springyang2015</author><pubDate>Thu, 25 Apr 2019 16:51:07 +0800</pubDate><description><![CDATA[在LOD表达式的三种关键字中，Include可以创建聚合度低于可视化详细级别（即数据颗粒度较高）的表达式。本节记录要点：

Include使用场景
Include使用实例


Include的使用场景
一般来说，LOD表达式在选择使用哪种范围关键字的时候，并没有严格条件限制，可以根据实际情况灵活选择， 但从应用情况看，每个范围关键字实际上都有适合它的场景，在场景明确的前提下，选择更适合的范围关键...]]></description><category></category></item><item><title><![CDATA[从零开始Tableau | 13.LOD详细级别表达式 基础]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/89519030</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/89519030</guid><author>springyang2015</author><pubDate>Thu, 25 Apr 2019 16:39:55 +0800</pubDate><description><![CDATA[详细级别表达式，又叫LOD表达式，或者LOD计算，是tableau最强大的功能之一，是很多分析场景中，能够把不可能变为可能的那只神奇“画笔”。不过，LOD的灵活性使它学起来很不容易，特别是要做到完全理解、灵活运用就更不容易。本节记录要点：

什么是详细级别
如何定义详细级别
为什么要使用LOD表达式
LOD表达式的基本语法


什么是详细级别
要理解LOD表达式，首先要弄清楚什么是详细级别。

...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 树状图]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/86526399</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/86526399</guid><author>springyang2015</author><pubDate>Thu, 17 Jan 2019 16:12:30 +0800</pubDate><description><![CDATA[树状图，一种在层次结构中嵌套矩形的可视化，通常用来展示数据的比例关系及层次关系，还可以比较维度中各个部分对整体的贡献情况。

这里使用tableau自带的超市示例数据集，创建类别产品销售额的树状图。
树状图在tableau中属于“开袋即食”型图表，因为“智能显示”中,默认就有树状图类型，但为了进一步熟悉tableau操作，这里采用笨办法，一步一步创建树状图。

创建树状图
Step01 设置视图标...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 蝴蝶图]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/86525800</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/86525800</guid><author>springyang2015</author><pubDate>Thu, 17 Jan 2019 15:47:46 +0800</pubDate><description><![CDATA[蝴蝶图，又叫旋风图，是一种特殊类型的条形图，可以很直观的比较两组数据的不同之处。

这里使用tableau自带的超市示例数据集，创建2016年和2017年各子类销售额蝴蝶图，对比各子类在不同年度的销售额情况。

在蝴蝶图的创建上，主要有两种方式，这两种方式区别在于，蝴蝶图中的两组条形图，使用的是同一横坐标轴还是不同的横坐标轴。如上图中，左侧蝴蝶图使用的是不同横坐标轴，右侧蝴蝶图使用的是同一横坐标轴...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 桑基图]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/86191889</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/86191889</guid><author>springyang2015</author><pubDate>Thu, 10 Jan 2019 00:46:53 +0800</pubDate><description><![CDATA[在学习tableau的过程中，我经常会看到一类很玄幻的图形（如下所示），让我深深感受到tableau的强大，后来知道这种图形叫桑基图。

桑基图(Sankey diagram)：即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。桑基图最明显的特征就是，始末端的分支宽度总和相等，即所有主支宽度的总...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 哑铃图（DNA图）]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/84963847</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/84963847</guid><author>springyang2015</author><pubDate>Wed, 12 Dec 2018 00:37:42 +0800</pubDate><description><![CDATA[哑铃图，又名DNA图，横着看是哑铃，竖着看就是DNA，它主要用来表现两个数据点之间的变化方式。

哑铃图的制作并不难，主要用到了双轴图，具体步骤如下：

tableau创建哑铃图的主要步骤：

创建双轴图
设置视图格式


创建双轴图
哑铃图可以看作散点图和线形图的组合，tableau中，只要涉及到图形组合或叠放，多数情况下会使用双轴图来实现。
这里使用tableau自带的超市数据源，创建各地区2...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 倾斜图（斜线图）]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/83964192</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/83964192</guid><author>springyang2015</author><pubDate>Sun, 11 Nov 2018 23:41:19 +0800</pubDate><description><![CDATA[ 

倾斜图，又名斜线图、斜率图，可以展示单指标不同时期的变化情况，既能展示值的大小变化，同时能展示排名变化。

下图是2018年世界杯32支参赛球队排名变化倾斜图，图中的数字、颜色和粗细分别代表了不同含义，可以让人一目了然的知晓各支队伍排名变化情况。


数字：左侧数字是赛前各参赛队的FIFA排位顺序，右侧是2018世界杯名次。

颜色：表示赛前排位顺序与赛后实际结果的比较情况，绿色为上升，红色...]]></description><category></category></item><item><title><![CDATA[Tableau图表 • 盒须图、抖动图]]></title><link>https://blog.youkuaiyun.com/springyang2015/article/details/83932642</link><guid>https://blog.youkuaiyun.com/springyang2015/article/details/83932642</guid><author>springyang2015</author><pubDate>Sat, 10 Nov 2018 20:12:22 +0800</pubDate><description><![CDATA[ 

盒须图，又叫箱线图，是一种用作显示一组数据分散情况资料的统计图。盒须图能够比较直观的显示数据集的分散程度、异常值等信息。

盒须图

盒须图基础

盒须图包括六个统计量：最小值，下四分位数(Q1)，中位数，上四分位数(Q3)，最大值、异常值。下四分位数、中位数、上四分位数组成一个“带有隔间的盒子”。

上四分位数到最大值之间建立一条延伸线，这个延伸线成为“胡须”。

中位数：所有数据按由高到...]]></description><category></category></item></channel></rss>