今日课程内容
-
内容回顾
-
Tableua-表计算
-
表计算的依据
-
表计算的函数
Windows计算
running计算
-
排序显示图
-
历史新高图
-
-
复杂图形-跑道图(公式固定)
今日内容详细
内容回顾
1.Tableua的LOD函数
exclude() 排除某个维度,计算数据
include()
fixed()
2.环比、同比
3.格式的自定义
Tableua-表计算
1.表计算的依据
numpy1 = [ [1,2,3],[1,1,1] ]
print(numpy1.sum(axis=1))
[ [6],[3] ]
向下、横穿、向下横穿、横穿向下...
注意:依次计算,不是总体计算
2.表计算类型
a.差异:
后一个数据与前一个数据的差值
b.百分比差异:
等同于同比和环比值
c.百分比:后一个数据与前面数据的比值
d.合计百分比:
即各数据占总数据的比值
单元格的数据/汇总的数据 = 百分比数据
应用场景:绘制饼图,查看各数据的比例
e.排序
竞争排序
调整后竞争排序
密集
唯一
6 7 7 9
竞争:1 2 2 4
调整后竞争:1 3 3 4
密集:1 2 2 3
唯一:1 2 3 4
'''
圆与线的案例
1.复制一份,一份为圆,一份为折线
2.添加表计算,表计算设置一样
排序-降序-唯一-特定维度-子类别
'''
3.Tableua-表计算函数
first 以第一行为0,后续依次递减
last 以最后一行为0,前面依次递增
index 作为索引来使用
running...
依次进行累计运算
1 2 3 4 5
1 3 6 10 15
running_sum 将数据依次累加
running_max 将相邻数据进行对比,得出较大值,最后一个即为最大值
window...
计算汇总
1 2 3 4 5
15 15 15 15 15
复杂图形-跑道图
1.首先需要x、y轴
X:
COS([index]*[PI]/180*[step])*[rank]
Y:
SIN([index]*[PI]/180*[step])*[rank]
2.需要的数据
pi
index
step
rank
3.将数据进行double
(1,180)实现双份
(1,90,180)实现三份
双击
内部关联-空字符串进行关联
4.添加订单数据
X,Y
PI
WINDOW_MAX(MAX(PI()))
index
index()-1
rank 对订单数据排序
RANK_UNIQUE([max_value2],'asc')
step 步长 1
[max_value2]/[max_value1]
max_value1() 订单数/ 2
WINDOW_MAX([订单数]/2)
max_value2() 订单数/ 2
WINDOW_MAX([订单数]/2)
5.创建数据桶
path
步骤:编辑表计算
X:
index
特定维度:path
pi
特定维度:path
max_value2
特定维度:path
max_value1
特定维度:path、地区
rank
特定维度:path、地区
所在级别:最深
重新启动间隔:path
Y:
index
特定维度:path
pi
特定维度:path
max_value2
特定维度:path
max_value1
特定维度:path、地区
rank
特定维度:path、地区
所在级别:最深
重新启动间隔:path
作业
1.xxx医院的数据分析
2.车型数据分析
5个文件
1、百度车型的真实搜索指数数据
2、城市的id-城市名
3、城市车型搜索指数的比重
4、省份的id-省份名
5、省份车型搜索指数的比重
需求:
计算各省每一个月的每一种车型的真是搜索指数
901 山东 宾智 12 1000
宾智 11 300
计算出每一种车型的真是搜索指数
902 贵州
903 江西
计算出每一种车型的真是搜索指数
a.通过百度表计算出各种类型每一个月的真实搜索指数
缤智 1 123
2 456
3 789
4 110
[keyword,month][[_index]].sum()
b.通过省份比重表,计算占比值
[keyword,month][prov_index].sum()
2222
901 12 272
1 111
2 333