数据分析学习日志(叁)——Tableau数据可视化与仪表盘搭建

一、Tableau介绍

下载地址:Tableau Desktop

本人学习使用2024.1版本

二、数据连接

本次学习所使用到的vsc文档:

链接:https://pan.baidu.com/s/1OWhs15CKbfdZ5eVxBgFAdw?pwd=qwer 
提取码:qwer

建议:请至B站关注戴师兄获取学习视频以及相关完整课件

1.连接方式

  • 默认使用只能连接,只需选择所用的数据字段即可
  • 连接所用的字段可以通过函数进行计算和编辑
  • 表格之间的连接原理,类似于SQL
  • 操作:先连接到shop,然后拖拽cpc,选择连接字段:门店id=门店ID,日期=日期;再拖拽orders,线与shop相连,选择字段门店id=门店ID,日期=下单日期

2.提取方式

(1)实时

每次计算都会连接一次数据库进行取数运算,这是因为Tableau的本质时Vizql查询语言,每做一个操作就查询一次,不过在数据量级较大的情况下就会比较慢

(2)数据提取

将当前连接所涉及的数据全部都查询提取到hype格式的数据提取(相当于Tableau自己的数据库和对应类型的文件)。如果保存为twbx格式,hyper会自动打包进twbx,使用tableau自带数据,缺点是每次修改完数据源都要重新提取一遍数据,如果是实时,则不需要先提取,等你作图时它才会提取。如果将tableau上传到server服务器,则必须使用提取的数据连接方式,大量级数据都要用数据提取,除了修改连接键,其他操作在工作表的视图界面都能操作。

(3)

①编辑(提取选项)

如果选择数据提取,tableau还支持对表格进行基于字段和函数的增量刷新,提升数据提取的性能,但百万级以下的数据,除非频繁提取,否则一般不需要这样的操作

②筛选器

(4)保存

 保存类型:

  • twb不包含数据
  • twbx内置大数据到tableau的文件中

点提取但是还没保存时,tableau会让你先保存提取的数据

三、可视化

如果使用的是盗版软件,这里在制作图表时会没有图像显示,请使用官方使用版本

1.经营情况总览:突出显示文字

  • 将GMV拖到文本
  • 将商家实收拖拽到GMV的数字上
  • 将行的度量名称拖拽到列
  • 继续向度量值框内增加字段:曝光人数、进店人数、下单人数、无效订单数、商户补贴、平台补贴、cpc总费用
  • 添加时间筛选,应用到全局:19年10月28日-20年9月25日

2.经营数据详情:表格

  • 复制经营情况总览
  • 拖拽日期到天,选择连续天,再选择离散

 3.每日营收数据:多轴折线图

  • 右键日期,创建自定义日期,选择天
  • 拖拽日期到列
  • 拖拽GMV到行
  • 拖拽商家实收、平台补贴到纵轴

4.每日流量数据:双轴组合图

  • 拖拽日期(天)到列
  • 创建计算字段:进店率:SUM(进店人数)/SUM(曝光人数),右键进店率字段-默认属性-数字格式,复制进店率

  • 成交率到行,进店率到纵轴
  • 曝光人数到行
  • 右键曝光人数-双轴
  • 修改曝光人数图层标记为条形图
  • 在行拖拽字段改变图层顺序

5.新老客占比:环形图

  • 创建计算字段

  • 新老客拖拽到颜色
  • orders表的计数到到校
  • 选择饼图
  • 整个视图
  • 增加百分比、新老客标签(按住ctrl然后将标记中的新老客、orders.csv拖拽至标签,右键标签orders.csv快速表计算-合计百分比)
  • 绝对值拖拽到工具提示
  • 在行输入两个0
  • 双轴修改图层
  • 隐藏纵轴标题
  • 设置格式-线-零值线无 

6.平台占比:环形图 

7.门店占比:环形图

8.投放情况:散点图

  • cpc总费用到列
  • 商家实收到行
  • 日期(复制并改为字符串)到详细信息和标签
  • 品牌名称到颜色
  • 添加趋势线

9.订单分布:面积图

  • 下单日期到列-连续天
  • orders计数到行
  • 下单日期时间到颜色-离散小时
  • 标记选为区域

 10.配送分布:地图

  • 双击配送坐标-经度/纬度
  • 下单日期时间(复制并改为字符串)到详细信息
  • 排除异常数据
  • 右键距离,创建组

  •  将距离-组拖拽到颜色

 四、仪表盘布局

新建仪表板然后直接往里拖做过的工作表,可以去tableau社区找自己喜欢的格式,下面展示我自己设计的成品

然后每个表都选中用作筛选器,就可以互相联动筛选

如:只看美团:

 只看2020年9月1日:

练习成品:

链接:https://pan.baidu.com/s/1VlaRercsIEKnYw9-S7weow?pwd=qwer 
提取码:qwer

  • 48
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据可视化是一种将数据转换为图表、图形和图像等可视化形式的技术,在数据分析和数据展示中非常常见。下面是数据可视化的实验步骤: 1. 准备数据。首先需要准备要展示的数据,并确定需要展示哪些方面的信息。数据可以来自不同的数据源,如数据库、文件或API等。 2. 选择可视化工具。根据要展示的数据和展示需求,选择适合的可视化工具。常见的可视化工具包括Tableau、Power BI、matplotlib、D3.js等。 3. 设计可视化方案。根据要展示的数据和展示需求,设计合适的可视化方案。这包括选择合适的图表类型、颜色和字体等,以及确定展示的细节和交互方式。 4. 编写代码。根据设计的可视化方案,使用合适的编程语言和可视化工具编写代码。在编写代码时,需要注意代码的可读性和可维护性,以便后续修改和优化。 5. 运行测试。使用准备好的数据,运行可视化代码进行测试。测试时需要注意记录每个测试的输入数据和输出结果,以便后续分析和比较。 6. 优化可视化效果。根据测试结果和用户反馈,优化可视化效果和交互体验,以便用户更好地理解和分析数据。 下面是一个使用Python和matplotlib实现简单折线图的phony代码示例: ```python import matplotlib.pyplot as plt # 准备数据 x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] # 绘制折线图 plt.plot(x, y) # 添加标题和标签 plt.title("Sample Line Chart") plt.xlabel("X-axis") plt.ylabel("Y-axis") # 显示图表 plt.show() ``` 这段代码使用了matplotlib库绘制了一个简单的折线图,其中x和y分别表示横坐标和纵坐标的数据。通过调用plot()函数和添加标题、标签等信息,最后使用show()函数显示图表。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值