戴戴戴师兄《系统认识数据分析》——笔记整理2

一、数据可视化

——————————————————————————————————

——————————————————

数据可视化分类有哪些？

——艺术流：旨在探索更多的数据表达方法，相当于用数据作画，简直就是艺术品

——分析流：针对某一专项的主体，用可视化充分说明和分析数据，做到高效的信息传达

——实战流：为实际的业务场景服务，追求数据的全面性和逻辑，属于能用就行

——————————————————————————————————

——————————————————

数据赋能指的是什么？

——分析师可以直接将数据看板发布到线上

——自动更新看板

——自由下载数据

——线上修改图表

——邮箱发送数据

——设置数据预警

——————————————————————————————————

——————————————————

数据探索可以实现怎样的操作？

——支持亿级数据的连接和处理

——自由地对字段进行各种计算

——拖拽就可以轻松制作图表

——数据可以随意聚合下钻

——图表类型可以灵活转换

——内置算法智能建模

二、数据类型

数据类型：对于可视化来说，数据有【维度】和【度量】两种类型

——————————————————————————————————

——————————————————

什么是数值型变量【度量】Measures？

——一般是由数字组成的变量  例如：成交金额、用户数、点击量

——数值变量可以进行计算，并基于计算结果的大小表示图表的面积大小、条形长短、颜色深浅等可以量化的视觉元素

——————————————————————————————————

——————————————————

什么是类别型变量【维度】Dimensions？

——类别变量包含有限的类别数或可区分组数（数值变量过多时需要分组） 例如：用户ID、性别、来源渠道

——类别变量主要用来对数值变量的计算结果进行区分，表现为图表的颜色种类、图形位置、分类方式等难以量化的视觉元素

——只能进行计数和分布等简单计算

三、数据可映射的图形类型

【度量】映射图形，【维度】负责区分

——————————————————————————————————

——————————————————

——位置

——位置是通过将两个【度量】分别作为x坐标和y坐标确认某一【维度】变量的位置，从而形成空间关系来表现该【维度】变量的分布和趋势

——基于位置表达的散点图中主要有以下四种数据规律

 ——————————————————————————————————

——————————————————

——长度

——长度是直接以图形的长度来衡量【度量】的大小，并以【维度】做区分，以此实现各【维度】下对【度量】的对比分析

 ——————————————————————————————————

——————————————————

 ——角度

——角度和弧长都是用【度量】的大小直接衡量，表现细分【维度】和整体间的关系

——注意：弧长相比于角度可以更加直接地看出部分之间的大小比较关系，从功能性看上圆环图要优于饼图

 ——————————————————————————————————

——————————————————

——方向

——方向是对趋势的描述，以折线图最为典型，以时间【维度】作为横轴，表现各时间【维度】下某一【度量】的高低变化，高低之间的连线就形成了方向

——————————————————————————————————

——————————————————

——形状

——形状主要用于在多组数据分析时区别组别【维度】，我们在日常使用时又称之为标记，比如散点图和折线图中的形状：

——在散点图里使用三种形状来表现三个各自离散的数据群

——形状也可以表示数值的类型、系列和组别，比如折线图中各系列用多种不同的形状标记

 ——————————————————————————————————

——————————————————

——面积和体积

——面积体积越大则表示【度量】越大。长度、面积、体积都可以表示数值的大小。二维平面通常用圆形和矩形，三维空间一般用立方体或球体

——但是在确定面积和体积要注意和边长或半径的数值换算问题，避免出现错误的暗示，比如：

 ——————————————————————————————————

——————————————————

——颜色和深浅（热力图）

——饱和度和色调是两个颜色的关键要素，既可以用来区分【维度】也可以用来表示【度量】的数值的高低

四、基础图表制作 

 ——————————————————————————————————

——————————————————

① 对比分析：比大小

——柱状图/条形图

——图表逻辑：在一个或多个【维度】下对【度量】进行统计，从而得到该【维度】下不同变量之间的【度量】差异

——注意：条形图在多变量的情况下比柱状图更易浏览

 ——————————————————————————————————

——————————————————

——热力图（突出显示表）

——图表逻辑： 在文本表上根据度量值大小加上颜色深浅标记

——快速表计算：编辑表计算设置计算区域和顺序；总额百分比可以直接计算百分比占比

差异百分比可以计算环比

 ——————————————————————————————————

——————————————————

——气泡图/词云

 ——图表逻辑：用度量代表气泡大小，维度代表气泡颜色/用度量代表文本大小，维度代表文本颜色

② 变化分析：看趋势

——折线图

——图表逻辑：基于时间维度的柱状图，但是将展现形式从条形图变为了折线

——————————————————————————————————

——————————————————

——面积图

——图表逻辑：在折线图的基础上选择面积作为视觉影射

——————————————————————————————————

——————————————————

——饼图

——图表逻辑：【维度】代表各扇区的颜色，【度量】代表饼图中各扇区角度的大小

——————————————————————————————————

——————————————————

——树地图

——图表逻辑

• 每个方格代表一个该【维度】下的变量，方格的大小代表此变量的在该【维度】下的【度量】占比大小
• 方格会按顺序排列，占比最大的在最左上

 ——————————————————————————————————

——————————————————

——堆积图

——图表逻辑

• 绝对堆积：在柱状图/条形图的基础上，用颜色区分一个维度在另一个维度下的占比大小
• 相对堆积：不展示绝对值，使用合集快表计算：合计百分比，只展示百分比

③ 关系分布：看位置

——散点图

——图表逻辑：横纵轴各代表一个【度量】，【维度】中的变量则作为一个点，根据横纵轴上的度量值大小确认位置

 ——————————————————————————————————

——————————————————

——聚类分析

——图表逻辑：分析-群集即可对变量进行聚类分析，具有相同分布特征的变量会被分为一类，右键群集胶囊即可修改聚类数量

——K-means聚类算法，基于欧式距离计算

——————————————————————————————————

——————————————————

——直方图

——图表逻辑：将度量下数据分组计数

——注意：直方图X轴代表的是定量数据（度量），柱状图X轴代表的是分类数据（维度），因此直方图的形状不可以随意改变

——————————————————————————————————

——————————————————

——地图

——以地理位置为点，用点大小、颜色展示度量值大小等特征

 

更多炫酷的可视化案例，可以到tableau社区学习

https://public.tableau.com/zh-cn/gallery/?tab=viz-of-the-day&type=viz-of-the-day