Tableau可视化(解锁南丁格尔玫瑰图):海滩垃圾

仪表板 .png

工作簿地址
个人感觉:自己动手制作过雷达图、放射条形图,对环形图系列的构造原理有基本的了解以后,做这个图不会存在太大的问题
制作过程基本可以参照这篇——扫地sir:用Tableau画南丁格尔玫瑰图
想要了解数学原理的可以看
The data school:Coxcomb charts in Alteryx and Tableau

一、认识“南丁格尔玫瑰图”

南丁格尔玫瑰图是弗罗伦斯·南丁格尔所发明的。又名为极区图。是一种圆形的直方图。 南丁格尔自己常昵称这类图为鸡冠花图(coxcomb),并且用以表达军医院季节性的死亡率,对象是那些不太能理解传统统计报表的公务人员。

19世纪50年代,英国、法国、土耳其和俄国进行了克里米亚战争。南丁格尔主动申请,自愿担任战地护士。当时的医院卫生条件极差,伤士死亡率高达42%,直到 1855 年卫生委员会来到医院改善整体的卫生环境后,死亡率才戏剧性地降至 2.5% 。当时的南丁格尔注意到这件事,认为政府应该改善战地医院的条件来拯救更多年轻的生命。
出于对资料统计的结果会不受人重视的忧虑,她发展出一种色彩缤纷的图表形式,让数据能够更加让人印象深刻。这张图表用以表达军医院季节性的死亡率,从整体上来看: 这张图是用来说明、比较战地医院伤患因各种原因死亡的人数,每块扇形代表着各个月份中的死亡人数,面积越大代表死亡人数越多。

南丁格尔玫瑰图1.0版本

二、Tableau的构造逻辑

The data school:We’ll be making the vizzes as polygons in Tableau, and Tableau processes polygons by drawing lines between X and Y coördinates, creating an enclosed shape. The start of the polygon will be 0,0 at the centre of the circle, so we need at least two PathID points for the polygon to start and end there. That’ll just create a dot. We want a wedge, so we want at least four points to create the two lines along the Goals axes, and the line in between. That’ll create a flat upper edge. We could have any number of extra PathID points to make that edge a curve. The upside is that loads of extra points will create an almost perfect curve; the downside of putting loads of them in is that it takes up more rows:

翻译一下,大概这个意思:Tableau将图表中的对象作为多边形进行制作,并且Tableau通过在X和Y之间绘制线来创建多边形,从而创建一个封闭的形状。
多边形的起点在圆的中心处为(0,0),因此我们需要至少两个PathID点作为多边形的开始和结束。
那只会创造一个点,而我们想要一个楔形,所以我们想要至少四个点来创建沿着目标轴的两条线,以及它们之间的线。这将创造一个平坦的上缘。我们可以使用任意数量的额外PathID点来使该边缘成为曲线。
好处是额外的点数会产生几乎完美的曲线;
缺点就是数据将会占用了更多的行:
看图应该更容易理解:

多边形构建逻辑

看完这个构造原理就比较好理解直角坐标(X,Y)的计算公式啦~
当点为第一个点([Index]=1)和最后一个点([Index]=WINDOW_MAX([Index]))时,坐标为(0,0);
其他点则通过公式计算获得,完整计算字段如下:
【X】=IIF([Index]=1 OR[Index]=WINDOW_MAX([Index]),0,WINDOW_MAX([R]) * COS([Angles]+([Index]-2) * WINDOW_MAX(2 * PI())/([Number of Slices] * 120)))
【Y】=IIF([Index]=1 OR[Index]=WINDOW_MAX([Index]),0,WINDOW_MAX([R]) * SIN([Angles]+([Index]-2) * WINDOW_MAX(2 * PI())/([Number of Slices] * 120)))

鉴于前人已经有较完整的教程了,其他的计算字段的构建和具体的拖拽操作,先不赘述啦~
创建图表最关键的还是要理解构图的原理和逻辑~
强力推荐 the Data School,里面有很多干货~

图片.png

三、保护环境人人有责

最后升华一下主题:看看英国的海滩上都有什么垃圾,谁又是罪魁祸首?很多垃圾“活”得比人久,塑料降解时间甚至可以长达500年。所以不要再图一时之快,随手乱丢垃圾啦!美丽的地球由我们来守护~

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,294评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,493评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,790评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,595评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,718评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,906评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,053评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,797评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,250评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,570评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,711评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,388评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,018评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,796评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,023评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,461评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,595评论 2 350