Tableau 常用技巧

一、视图

1. 显示筛选器

类似于excel的筛选功能,但是可指定某一个维度筛选

工作表→选中维度→右键单击→显示筛选器→视图右侧勾选

2. 地理字段

自动识别地理字段,识别后标记为“地球”,或自己将字符串字段改为“地理角色”


Figure 1

选中地理字段→右键单击→地理角色→拖动到标记—详细信息

3. “只保留”、“排除”

实质仍是一个筛选器,框选图中的元素,右键选择

4. 编辑筛选器

可按字段、按条件筛选

5. 筛选器优先级顺序

数据提取筛选器 > 数据源筛选器 > 上下文筛选器 > “前N”筛选器 > 维度筛选器 >度量筛选器

设置为上下文筛选器可忽视上述操作顺序

6. 工作表用做筛选器

将多个工作表放置在一个仪表板后,可让工作表之间产生交互

选中一工作表→下拉选项→用作筛选器→选中一工作表某一部分,另一工作表自动更新

7. 仪表板筛选器

某一筛选器本来限制于其本身工作表,通过此方法可将该筛选器运用在其他工作表中

选中筛选器→下拉→应用于工作表→选定工作表→仪表上的所有项

8. 故事

一个故事分为许多故事点,一个故事点对应一个视图,使用工作表、仪表板,相当于excel中各种筛选条件下生成一个查询表,然后对每个查询表备注其作用

拖拽工作表或仪表板→筛选→编辑故事→新建空白故事点货复制故事点→筛选图表→编辑故事

9. 拖动以添加文本、添加注释

在故事中,说明无法说明问题,此时可借助左下角的“拖动一添加文本”对问题进行详细描述

或直接选中异常值→右键单击→添加注释→标记

10. 视图大小调整

仪表板→大小→调整为适应故事

11. 突出显示问题

在突出显示工具栏中选择相应的维度,在视图中选中某元素时会出现不同突出显示结果

12. 编辑轴

连续变量自动生成的轴


Figure 3

13. 度量、维度、离散、连续

可以相互转换,会在视图中体现出来

14. 区

Figure 4


二、数据源

1. 分享Tableau到线上

服务器→tableau public→保存到tableau public→创建数据提取→数据提取

2. 联接

根据公共字段合并不同数据库数据,同数据库查询方式

连接数据→添加数据→拖动数据表(自动创建连接方式)→定义连接方式和公共键

Figure 4

3. 选择表格数据

  • 选中多列:单击→拖动
  • 全选:单击空白


    Figure 5

4. 数据窗格

按文件夹分组和按数据源分组显示

单击字段→分组→按文件夹
下拉→按文件夹分组

5. 将制定字段放到文件夹中

拖拉/选中单击→文件夹→创建文件夹/添加到文件夹

6. 默认属性

右键单击度量或维度可设置字段的属性,类似于excel中的“单元格格式”功能。

7. 分组

相当于合并字段中的部分字段值

Figure 6

8. 数据表格识别

数据解释器可以检测并绕过标题、注释、页脚、空单元格等内容,从而确定数据集中的实际字段和值。还可以识别一工作表中的多个子表并将其析出

9. 编辑链接

更改数据源、更改数据源位置时,更改后,只要工作簿内的表格式无差异,就不会造成tableau中工作表错误,仅更新数值

10. 替换数据源

在工作表界面的数据菜单替换数据源,可实现更新数据,和更改连接类似

11. 多维数据集

与普通关系数据源相比,多了分层结构


Figure 7

12. 合并字段

在同一数据源中可合并字段并作为一个新维度

选中多个字段——右键单击——创建合并字段


三、数据分析

1. 集和组的区别

集或集合(set):集是根据某些条件定义数据子集的自定义字段。集可基于计算条件建立。组是构成更高级别类别的维度成员的组合。

2. 说明

使用“工作表——显示说明”来自动生成初步结论。

3. 聚合

聚合函数对一组值进行计算并返回单个值

  • 设置默认聚合:默认属性——聚合——sum
  • 取消聚合:分析——取消勾选聚合度量,应用于散点图分析

4. 计算类型

  • 基本计算(数据源详细信息级别,可视化详细信息级别)
  • 详细信息级别(LOD)表达式(数据源、可是化及粒度控制)
    LOD 计算可以让您更好地控制要计算的粒度级别。就可视化项粒度而言,它们可以在较高粒度级别( 包括) 、较低粒度级别( 排除) 或完全独立级别( 固定)执行。
  • 表计算(可视化详细级别)

5.LOD类型

详细级别表达式可让用户轻松计算不在可视化详细级别层面上的聚合

  • FIXED
    使用指定的维度计算值,而不引用视图中的维度。
  • INCLUDE
    除了视图中的任何维度之外,INCLUDE 详细级别表达式还将使用指定的维度计算值。如果您想要在数据库中以::精细详细级别计算::,然后重新聚合并在视图中以::粗略详细级别显示::,则 INCLUDE 详细级别表达式可能非常有用。当您在视图中添加或移除维度时,基于 INCLUDE 详细级别表达式的字段将随之更改。

{INCLUDE [State] : SUM(Sales}

Figure 8

  • EXCLUDE
    声明要从视图详细级别中忽略的维度。对于“占总计百分比”或“与总体平均值的差异”方案非常有用。它们可与诸如“合计”和“参考线”等功能相比。
    更高层级聚合,更低层级显示,与include相反
    {EXCLUDE [Order Date (Month/Year)] : AVG({FIXED [Order Date (Month / Year)] : SUM([Sales])})}
    Figure 9

6. 表计算

是应用于可视化项中的值的转换。基于可视化项中的内容进行计算,并且不考虑从可视化项中筛选出的任何度量或维度。可用于各种用途:

  • 将值转换为排名
  • 转换值以显示汇总
  • 转换值以显示总额百分比
    计算依据——寻址字段(方向)和分区字段(范围)
    ATTR([Year Released]) - LOOKUP(ATTR([Year Released]), -1)
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 204,189评论 6 478
  • 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 85,577评论 2 381
  • 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 150,857评论 0 337
  • 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 54,703评论 1 276
  • 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 63,705评论 5 366
  • 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 48,620评论 1 281
  • 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 37,995评论 3 396
  • 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 36,656评论 0 258
  • 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 40,898评论 1 298
  • 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 35,639评论 2 321
  • 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 37,720评论 1 330
  • 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 33,395评论 4 319
  • 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 38,982评论 3 307
  • 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 29,953评论 0 19
  • 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 31,195评论 1 260
  • 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 44,907评论 2 349
  • 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 42,472评论 2 342