原标题：数据科学和商业智能专业人员中级tableau指南
作者：帕芙琳考尔
翻译：李海明
校对：顾
本文约5000字。建议读8分钟。
通过这篇文章，我们将教你使用Tabelau软件，不需要编程就可以做简单的数据分析。
介绍
“图片最大的价值在于，它们能驱使我们发现以前从未意识到的东西。”——约翰w图基
我们假设你手里有一些数据，但是不擅长编程，但是希望从中收集整理出一些自己的看法。这时候你可能会不知所措，不知道从何下手。
我给你讲讲——。在Tableau的帮助下，你可以让数据中的信息像下面的图表一样清晰，完全不需要编程就可以轻松操作。来看看画面的魔力吧！
本文主要针对熟悉Tableau软件，能用它画出一些基本图表，希望通过学习开阔眼界的人。
对于那些从未欣赏过Tableau的美丽和简单的初学者，请快速阅读Tableau的介绍(https://www . analyticsvidhya . com/blog/2017/07/data-visualization-made-easy/)，并在返回本文之前尝试一些简单的可视化练习。
本文将讨论一些可以帮助我们用Tableau绘制动态图形的核心函数。现在，让我们赶快开始吧！
目录
1.多源数据处理
数据连接
数据融合
2.数据的条件组合
聚集
3.数据计算和粒度选择
4.参数控制
5.结束语
多源数据处理
数据连接
将所有数据存储在一个表中是不现实的。为了避免更新引起的数据异常，数据总是存储在多个关系表中。为了便于理解，这里举一个简单的例子。
有一家超市想扩大业务，发现退货单每天都在增加。为了分析产品被退回的原因，找到正确的应对方法，他们绘制了如下图表；
从上表可以看出，退货最多的产品是粘合剂。从条形图的颜色来看，机器产品和餐桌产品的退货率(退货/购买)最高。
上图看似和上图没什么区别，实际上是结合——订单表和退货表两个表的数据建立的。这就是通常所说的连接。
为了便于理解这种联系，我们再举一个例子：
点击此处下载该样本超市的销售数据。(https://github . com/pavleenkaur/TableauTutorial-SuperstoreData/blob/master/Sample-superstore . xls)
打开Tableau并输入数据：
数据集由三个表组成：订单表、人员表和退货表。这里我们首先关注订单和退货单。
将订单拖到空白处，并使用数据解释器清除错误数据。
拖动返回到相同的区域，您将得到下图：
连接两个表后，至少可以获得一个交集区域，Tableau会根据它们共同的列顺序ID自动连接两个表。通过内部连接，只保留两个表中具有相同订单ID的数据行。
您还可以在Tableau中更改连接方法和连接字段，并且您需要确保对连接的修改是可行的。
更改连接方法(从内部连接到右侧连接):
更改连接字段：(连接字段)
您看到我是如何将订单的行ID与退货中的订单ID联系起来的了吗？但是因为这两个数据不兼容，我们看不到任何记录，圆圈附近的红色标记提醒我们有问题。
现在让我们回到图表：
将订单表(订单)中的子类别拖到行中，并将退货表(退货)中的退货总数拖到列中。)
将行ID拖到标记窗口，并将其统计方法从计数转换为总和。现在拖到图表上：
最后，单击“演示”并选择BulletGraph以获得所需的图形。
我们这里用的是内接，你也可以根据需要选择内、左、右、外任意一种连接方式。
数据融合
数据融合和数据连接很像，但又不一样。用于连接的数据需要来自同一个数据源。从上面的例子可以看出，我们使用的数据都是来自同一个Excel格式的文件。但是数据融合允许我们使用来自不同数据源的数据。再来看一个例子。
该超市还涉足咖啡和饮料行业，其品牌咖啡连锁店与各州的超市同步经营。但是看到下面的业绩图表后，管理层开始考虑关闭一些咖啡分店。
我们可以看到有些咖啡分店和超市一样业绩突出，比如加州。
我们可以看到，有些咖啡分店和超市一样有着出色的表现，比如加州加州。
和纽约纽约分行。同时也有一些咖啡分店业绩不佳，比如爱荷华，爱荷华。
新墨西哥州的新墨西哥分行。与数据连接类似，上图中两个不同行业的数据集来源于不同的数据源——，一个来自Excel，另一个来自TDE数据库。
让我们画一个图表来更好地理解数据融合的概念。我们从超市和咖啡连锁店的数据开始。超级商店(https://github.com/pavlenkaur/tableau教程-超级商店数据/blob/master/sample-superstore . xls)数据；
以及咖啡连锁样本的数据库(https://github.com/pavlenkaur/tableau教程-superstore data/blob/master/sample-coffee chain . TDE)；
也可以在这里找到相关数据：(https://github.com/Pavleenkaur/Tableau教程-on-AnalyticsVidhya/blob/master/sample-coee chain . xlsx)。
首先导入超市数据样本Sample-superstore . xls；
然后进入工作表，点击数据-新建数据源，下载CoffeeChain的TDE文件，一起导入数据集：
选择超市数据库下的States表，将其拖到行中，并将sales表Sales拖到列中。
选择CoffeeChain下的Sales表，并将其拖到列中，得到下图：
你一定注意到了一些小问题。让我们逐一解决它们：
在屏幕的左上角，超市数据库上有一个蓝色的标记——，表示该数据库是主要的数据源。
CoffeeChain数据上有一个橙色标记3354，表示这个库是二级数据源。
CoffeeChain数据库中有一个橙色链链接到状态表3354，即数据融合区3354，这意味着这个区域是两个数据集共有的。
图表中的“29null”表示该表中有29个null值，因为CoffeeChain数据集中的州数据量没有Superstore数据集中的大。
我们交换第三步和第四步，以便可以纠正这些空值：
选择超市CoffeeChain中的States表，将其拖到行中，并将sales表Sales拖到列中。可以：
选择超级商店下的销售表Sales，并将其拖动到列中，以获得：
将标记部分中每个图形对应的图表改为面积图；在标记板的区域中，您可以相应地修改每个图标。
右键单击第二个图形，选择双轴，将两个图形合并为一个图形；
最后，我们改变了配色方案，就这样，我们完成了一次数据融合！
数据的调整和组合
现在，无论您的数据是融合的还是连接的，都已经准备好了。让我们一起来做一些有趣的仪表盘吧。我们在这里只使用超市数据：订单退货(左连接)
聚合
现在我们以调查分析为例快速设计一下。在食物消费调查中，你可以在食物偏好部分用“LF”代替“低脂”或“reg”代替“normal”。
在这种情况下，可视化过程中会出现这样的问题：
如您所见，因为使用了不同的名称，
可以看到，由于使用了不同的名称，这种可视化的效果并不理想。因此，可行的解决方案是将LF和低脂合并到同一组中，将reg和Regular合并到另一组中：
以下仪表板将更有助于我们理解：
以上是分类及其子分类的回归分析。但是柱状图中我们看不到具体的数据，其中复印机的退货率最高，其次是家具：
到目前为止，销售团队似乎做得不错。但实际上，回报数量增长很快，好在回报增速放缓。
通过饼状图，可以直观的看到各个品类的回报。例如，技术产品目录的退货数量最多。
其他的分析就交给你了，比如退货在各州的分布。一旦学会制作上面的图表，就可以轻松实现数据分析。现在我们开始学习：
我们将从下图开始。请注意，此图是订单和退货表之间的左连接(left join ):
在另一个表中，制作如下图表：
查看返回表下返回的维度？我们将使用维度来构建组，右键单击该维度：
转到“创建-组”。我们将创建不同的产品组，以区分退回的产品和尚未退回的产品。单击“空组”并更改名称：
相同的操作创建“Yes”维度，最终分组如下：
点击“应用-确定”，那么你可以在维度下看到一个名为“ReturnedOrNot”的组。
将新维度拖动到“标记”窗格中的颜色上，如下图所示：
这一步会自动分离每个子目录(子类别)中的销售情况，这取决于订单中返回表的值是Null还是Yes。
剩下的步骤更加模块化，让我们开始吧：
将Sales拖到“标记”窗格中的标签上；
右键单击销售药丸-快速表格计算-占总数的百分比。
再次右键单击sales pill-compute using-table(交叉)
另外，在某些版本中，Null/Yes经常作为In/Out的别名出现。你可以根据你的需要来改变它。右键单击“标记”窗格中的入/出蓝色药丸，然后选择“编辑替身”。
现在，让我们跳回已经制作好的饼图，对ReturnedOrNot组做同样的操作。首先，我们创建表格的两个副本，并选择其中一个：
将该组拖到图表中，如下所示：
右键单击返回以获取：
选择“仅保留”，这样您只能看到返回的图形。你会看到回报的全部损失。剩下的标着销售价值。
现在选择另一个副本，重复前两步。与以前不同，我们保留返回的图表，这里我们保留未返回的图表。这将向您显示剩余/保留订单剩余/保留订单。
然后制作一个图表：
将订单日期拖放到列中，将销售额拖放到行中，您将得到这样一个图表。
在图形的顶部，拖放ReturnedOrNot维，但与之前一样，排除未返回的行，右键单击并选择排除排除。
我们现在需要做的是将上述工作表整合到一个仪表板中。为什么不试着做一个州际回报分布图？
聚集
你公司在对收益进行分析后发现，收益的增加并没有那么令人担忧，不应该以此作为不拓展业务的理由。
然而，超市目前只计划在销售额和利润超过配额的州扩大业务。比如销售金额超过4万，利润超过10000:
因此，上图所示的集合与组非常相似。在集合中，数据包可以满足特定的设置条件。另一种解释是，分组可以帮助您实现更高级别的层次结构，正如我们在前面的示例中看到的那样，而聚合可以帮助您实现更低的粒度。
让我们通过创建上面的仪表板来更好地理解集合的含义：
让我们从一张简单的地图开始。我们将把销售额和利润加到这张图上。右键单击状态并选择创建-设置。
在字段中填写设置信息：
再次右键点击状态表，输入这次设定的利润额。
现在，我们将连接这两个集合，以获得所需的配置。右键单击SalesAbove40k组-创建合并集创建组合集
按照下图填写：
在这一步中，将销售和利润这两个条件连接起来(条件相关)，以获得必要的组合计算。结果如下：
将此新地图集拖放到地图图表的顶部，将其从符号地图转换为填充地图。
可以随意自定义上面的图表，比如改变颜色，添加标签等等。
图形的制作和我们做的收益趋势图一样简单。正如我们之前排除未返回组一样，这里我们排除了属于未扩展业务组的那些州。
计算字段
超市的数据收集相当全面。它提供了大量的信息和字段集。但是像所有的数据一样，我们总是有机会从中提取更多的特征。计算字段可以帮助你得到这些特性，同时也可以对数据进行简单和复杂的计算。
什么是计算字段？
简单来说就是一个可以用来计算数据的公式。不同的方法就像不同的变量。
如何创建计算字段？
进入分析分析界面，点击创建计算字段，弹出如下图框图：
在这里你可以写自己的公式。如你所见，Tableau提供了多种语法，不会让你失望。可以使用“If-Else”条件，“’ Case ‘”条件(我们下面会看到)，当然还有一些常用的数学公式。现在就让我们来了解一下。
从哪里开始？先说简单的，比如订单相关的平均销售额。最合适的公式是总销售额/总订单数。如果将此公式转换为Tableau术语，则总销售额为销售总额，订单总数为COUNT。
接下来，我们来看看这个应用程序：
在“计算”框中，进行以下更改：
要获得累计销售收入(计算字段)，请将维度中的MeasureNames拖放到空白处，以获得上面的计算结果：
在这里，您对计算字段所做的是创建自己的方法来衡量指标。你可以像销售和利润一样使用这个方法。
显然，这只是关于计算字段的一般情况。它们还可以用于越来越复杂的计算，我们可以在下一章看到更复杂的应用。
参数控制
在Tableau中，下面显示的过滤器是与可视化交互的好方法：
作为一种方法，过滤器可以让你从不同的角度看数据，参数也是一种很好的方法。它可以用来替换过滤器，也可以显示自己的动态属性。
那么什么是参数呢？作为参数方程的一个变量，我们可以改变它，这样方程每次都会得到不同的结果。
我们试着用一个例子来理解参数的概念。到目前为止，我们对一些不相关的值做了一些不相关的图表。每当我们要做不同的图表来分析不同产品的销售额、利润、数量或折扣时，除了数值不同，其他内容基本相似。
借助于参数控制，我们可以用非常简单的方式实现上述工作，从而避免重复劳动。
以销售为例：
接下来是利润：
只要点击MeasureValue列表，就可以得到不同维度的累计结果。这里，MeasureValue是我们的参数，我们可以更改它的值。
现在我们自己做一个参数控制。事实上，参数非常依赖于计算字段，因此这将是检验您之前所学内容的好机会：
这次我们将从一个空白屏幕开始。
单击标注附近的向下箭头，并选择“创建参数：”。
现在我们要交换销售额、利润、数量和折扣的值。填写下面的字段，然后单击确定。
右键单击新创建的参数，并选择显示参数控制：
不要指望下拉菜单能神奇地让程序创建自己的图表。这里我们需要完成一些计算。
目前我们只是对这些参数进行命名，并没有实际值。为此，我们将创建一个计算字段。
转到分析-创建计算字段分析-创建计算字段，并在创建的字段中填写以下不言自明的详细信息。
您可以在数值中找到新创建的字段，因此首先将Order Date拖放到列中，将数值名称NameOfMeasure拖放到行中。
现在您可以尝试更改值了！
我们已经在仪表板上创建了一个图表。要查看每个类别的曲线，只需将维度拖到图表的顶部：
创建其他图表也是如此。但是，不要将不同的数字名称nameofeease拖动到行和列中，而是拖动nameofeease参数。
结束语
本文到此结束。不过不用担心，我以后会发表其他关于Tableau的文章。
像往常一样，我会给你一个仪表盘让你做：
一开始总是有点困难，但如果你足够努力，你就能解决它。当然，如果你还有其他问题或者希望我的下一篇文章提到某些方面，请留言。
祝福你们，数据开发者！
原文链接：3359 www . analyticsvidhya . com/blog/2018/01/tableau-for-intermediate-data-science/
