举个栗子!Tableau 技巧(170):用旭日图 Sunburst Chart 呈现多层数据

本文主要是介绍举个栗子!Tableau 技巧(170):用旭日图 Sunburst Chart 呈现多层数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述
旭日图又称太阳图,是一种饼图(或环形图)基础上的升级图表。旭日图既能像饼图一样展示数据各自的占比,还能直观的表达数据的层级和从属关系,呈现数据的构成情况。

旭日图中,每一层图表代表同一级别的数据占比。图表从内到外,对应的数据级别便从高到低,并且相邻两层是内外包含关系。

很多数据粉因为颜值关注到旭日图,希望它让数据分析更美观。其实,旭日图不仅仅是颜值担当,它在实际业务分析场景中,也是一种非常实用的分析图表。

图片

通过旭日图可以了解数据构成、还可以快速洞察业务。如何在 Tableau 中实现呢?今天来分享方法吧!

在这里插入图片描述

本期《举个栗子》,我们要给大家分享的 Tableau 技巧是:用旭日图 Sunburst Chart 呈现多层数据。

为方便学习,栗子使用 Tableau 自带的"示例-超市"数据源。掌握栗子方法后,数据粉可尝试使用自己的数据源。

---------------------------------------------------------------->>

具体步骤如下:

1、准备数据

首先,需要将 Tableau 自带的“示例-超市”数据源做一些调整,改成如下结构:

图片

打开“示例-超市” Excel 数据源,使用数据透视表得到地区、细分、类别、销售额的分层级汇总数据。再根据如下规则添加 Level 列:
IF(NOT(ISBLANK(C2)),3,IF(NOT(ISBLANK(B2)),2,1))

图片

然后,需要准备一个辅助数据源,结构如下:

图片

2、连接数据源

打开 Tableau Desktop,连接数据源。创建 link 计算连接“基础数据源”和“辅助数据源”。

图片

3、创建数据桶和计算字段

➤ 创建 Path 数据桶,如图设置:

图片

➤ 创建计算字段:Index,键入函数
INDEX()

图片

➤ 创建计算字段:Max-Level,键入函数
WINDOW_MAX(MAX([Level]))

图片

➤ 创建计算字段:Max-销售额,键入函数
WINDOW_MAX(MAX([销售额]))

图片

➤ 创建计算字段:Slice-Level,键入函数
WINDOW_MAX(MAX([Level]))

图片

➤ 创建计算字段:Slice-Size,键入函数
[Max-销售额]/WINDOW_SUM(IIF([Max-Level]=1,[Max-销售额]/203,0))

图片

➤ 创建计算字段:Edges,键入函数
IF [Max-Level]>LOOKUP([Max-Level],-1) THEN PREVIOUS_VALUE(0)

ELSEIF [Max-Level]<=LOOKUP([Max-Level],-1) THEN PREVIOUS_VALUE(0)+LOOKUP([Slice-Size],-1)

ELSE PREVIOUS_VALUE(0)

END

图片

➤ 创建计算字段:X,键入函数
IF([Index]<>WINDOW_MAX([Index]) AND [Index]>=(WINDOW_MAX([Index])+1)/2)

THEN

([Slice-Level]+5.8)

  • COS(WINDOW_MAX(2PI())[Edges]+

(WINDOW_MAX([Index])-([Index]+1))WINDOW_MAX(2PI())*[Slice-Size]/(((WINDOW_MAX([Index])-1)/2)-1))

ELSEIF([Index]=WINDOW_MAX([Index]) OR [Index]<(WINDOW_MAX([Index])+1)/2)

THEN

([Slice-Level] + 5)

  • COS(WINDOW_MAX(2PI())[Edges]+

(((IIF([Index]=WINDOW_MAX([Index]), 1,[Index])-1)WINDOW_MAX(2PI())*[Slice-Size]/((((WINDOW_MAX([Index])-1)/2)-1)))))

END

图片

➤ 创建计算字段:Y,键入函数
IF([Index]<>WINDOW_MAX([Index]) AND [Index]>=(WINDOW_MAX([Index])+1)/2)

THEN

([Slice-Level]+5.8)

  • SIN(WINDOW_MAX(2PI())[Edges]+

(WINDOW_MAX([Index])-([Index]+1))WINDOW_MAX(2PI())*[Slice-Size]/((((WINDOW_MAX([Index])-1)/2)-1)))

ELSEIF([Index]=WINDOW_MAX([Index]) OR [Index]<(WINDOW_MAX([Index])+1)/2)

THEN

([Slice-Level] + 5)

  • SIN(WINDOW_MAX(2PI())[Edges]+

(((IIF([Index]=WINDOW_MAX([Index]), 1,[Index])-1)WINDOW_MAX(2PI())*[Slice-Size]/(((WINDOW_MAX([Index])-1)/2)-1))))

END

图片

4、创建视图

在“数据”窗格,右键单击“Level”字段,在下拉菜单中选择:转换为维度。然后,将维度“区域”、“细分”、“类别”依次拖放至“标记”卡的详细信息中。

图片

将标记类型改为“ 多边形“,并将前面创建的“Path(数据桶)”拖放至“标记”卡的路径中,再将维度“Level”拖放至详细信息中。

图片

将计算字段“X”和“Y”分别拖放至列和行,右键单击列上的“X”胶囊,在下拉菜单中选择:编辑表计算。在弹出的对话框中,分别对 X、Index、Edges、Max-Level、Max-销售额、Slice-Size、Slice-Level 做如下表计算。相同的步骤,也对行上的“Y”字段进行设置。

1
图片

2

图片

3

图片

4

图片

5

图片

6

图片

7

图片

在“标记”卡中,将“地区”、“细分”和“类别”字段从详细信息切换成:颜色。再通过设置格式移除网格线和零值线,就得到了我们想要的旭日图。
图片

今天的 Tableau 技巧,你 Get 到了吗?赶快试试看吧!

在这里插入图片描述

文章部分信息来源于网络,如有侵权请告知

这篇关于举个栗子!Tableau 技巧(170):用旭日图 Sunburst Chart 呈现多层数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/210661

相关文章

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

Java实现复杂查询优化的7个技巧小结

《Java实现复杂查询优化的7个技巧小结》在Java项目中,复杂查询是开发者面临的“硬骨头”,本文将通过7个实战技巧,结合代码示例和性能对比,手把手教你如何让复杂查询变得优雅,大家可以根据需求进行选择... 目录一、复杂查询的痛点:为何你的代码“又臭又长”1.1冗余变量与中间状态1.2重复查询与性能陷阱1.

Python内存优化的实战技巧分享

《Python内存优化的实战技巧分享》Python作为一门解释型语言,虽然在开发效率上有着显著优势,但在执行效率方面往往被诟病,然而,通过合理的内存优化策略,我们可以让Python程序的运行速度提升3... 目录前言python内存管理机制引用计数机制垃圾回收机制内存泄漏的常见原因1. 循环引用2. 全局变

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十