tableau怎么用_tableau人口分布

薇薇一笑很倾城

文末有福利 对于数据分析师来说，可视化永远是一门不过时的学问，不仅因为上到企业领导、下到业务分析都要用到可视化，更因为它是分析师手中的优秀工具，它向我们揭示了数据背后的规律。 但很多人又会问，自己做的数据可视化丑出天际，领导不喜欢怎么办？ 那我想问你一个问题，你是用Excel做的，还是用python做的，又或者，你是拿一些数据可视化工具如Tableau、FineBI做的？你有没有钻研过如何才能做的更好看呢？ 做过数据分析的人都知道，可视化中最酷炫的莫过于地图可视化。但是想要做地图可视化也并非易事，对于大多数人来说，Excel一直都是首选，但是Excel真的是实现地图可视化的最好最简单工具吗？ 目前市场上，能够实现地图可视化的工具有很多，可以分为编程类、平台类和软件类三种：编程类：Matlab、Python、Echarts平台类：FineBI、Tableau软件类：Excel 究竟哪一个工具做地图可视化最简单、最省力、最强大呢？今天我们就来实测一下！ 制作可视化地图 1、Excel Excel是大多数人都很熟悉的数据处理工具，将数据导入Excel中，选中省份和人口数两个字段后，再点击上方的三维地图，就进入了地图可视化编辑界面。 然后，再将省份字段拖入位置选项，并选择省/市/自治区层级，将人口数字段拖入高度（值）选项，最后在类别选项中选择省份字段，切换为区域地图，一张各省市的常住人口可视化地图就完成了。 评价： Excel实现地图可视化的操作相对来说较为简单，但是功能也比较少，类型只有柱形图、气泡图、热度图以及区域地图等，目前大数据领域常见的流向地图等并不在可选范围内，可用的主题也是微软经典的几款，显得有一些视觉疲劳。 2、Echarts Echarts是一款商业级数据图表平台，它是一个纯JavaScript的图表库，因此使用Echarts进行地图可视化会稍显复杂，需要有一定JS基础才能较为轻松地上手。 由于Echarts的官方示例没有区域地图的选项（一个小缺点），因此采用气泡图来进行展示。在Echarts中，数据需要预先进行清洗，再放入代码中。代码块主要分为三部分：字段定义地理位置、字段赋值以及图表框架搭建，部分代码如下所示： 地理字段赋值部分代码 图表框架搭建部分代码 写了大约300行代码，完成了Echarts的可视化地图，气泡的大小表示各省市人口数量的对比，并且标出了人口数量Top5的省份。 评价： 纯JavaScript书写的特点让Echarts在实现地图可视化的过程中具有极大的自由度，但与此同时，也带来了上手难度大、花费时间长等问题，总体来看，Echarts作为一款国产工具，可以说瑕不掩瑜，推荐有编程基础的读者使用。 3、FineBI FineBI是新一代自助大数据分析的商业智能产品，提供了从数据准备、自助数据处理、数据分析与挖掘、数据可视化于一体的完整解决方案，也是我比较推崇的可视化工具之一。 下面就使用FineBI来演示地图可视化的过程。第一步：抽取数据其实就是将准备好的Excel上传到FineBI平台上，好在FineBI可以支持30多种数据库表，多维数据库、程序数据集等数据源，可以说很方便了。 上传数据第二步：创建仪表板，进行地图可视化编辑数据抽取完成后，再添加一个仪表板用于制作和展示可视化地图，然后再添加一个组件，并选取刚上传的数据集，这样就进入了地图可视化编辑界面。 可视化编辑界面 将省份维度转换成地理角色，并将生成的经度和纬度分别拖入横、纵轴，同时，将人口数指标拖入颜色区域。全程只需要鼠标拖拽，完全不需要进行编程，一个高质量的可视化地图就完成了。 FineBI可视化地图制作过程 不仅如此，还可以添加组件对省份进行筛选过滤，比如我们需要查看江浙沪三地的情况： 江浙沪三地视图 同时，也可以根据人口数量区间进行筛选，比如人口数量在7000万以上的省份分布： 人口数量7000万以上省份视图第三步：展示模板对于这一步展示，excel和echart是比不上FineBI的，因为FineBI平台可以将做好的地图可视化模板挂出，领导、同事都可以在平台上查看，不需要再制作PPT或者导出成pdf格式进行汇报，对于有工作需要的人来说，确实是一个大大解放了劳动力的功能。 挂出展示模板 评价： 与其他几款工具对比，FineBI操作比较简单，完成效果也很出色。而且，除了上述功能之外，FineBI还支持实时数据更新、地图钻取、自定义区域、模板复用等功能，并涵盖了绝大部分的图表类型，丰富了地图可视化的实用性。 FineBI的酷炫图表 1.动态水球图：让数据浪起来 2.3D全景地图：构造都市圈级别的宏达场景 3.轨迹图：帮助企业轻松追踪百万终端实时轨迹 具体太多了我就不展示了，官网上都有，有兴趣的自己去搜搜看。 如何用FineBI进行可视化分析 1.以下图为例，托拖拽拽就统计出了公司历年的销售金额以及回款金额数据......相比代码调试Python程序比，确实很爽！ 按照FineBI帮助文档，初步做出了以下的这个企业的销售&回款分析页面，轻松地解决了领导之前反馈的Python数据可视化界面的一系列问题！ 2.美化升级版 经过一番研究，发现FineBI还能够进一步提供给用户设置组件背景、仪表板背景等功能，于是乎我调出了以下的这一个美化升级版本~美滋滋！ 3.领导汇报最终敲定版 另外参考了FineBI的一些内置demo，于是乎做出下图这个精美的销售管理中心驾驶舱，惊艳吧~嘿嘿，其实也不过是半个小时的鼠标操作功夫了，数据完全可视化呈现在领导面前。给领导汇报完毕之后，FineBI灵活的多维联动、钻取等OLAP分析的特性，备受领导的夸奖与喜爱！ 最开始，我并不懂得怎么做数据分析报表，只会按着领导的要求把指标陈设好，但是有时碰到类似下面这些指标的时候，就很头疼。下面的指标大家看着都很熟悉，对比分析是我们在数据分析时经常用到的分析方法，希望比较某指标和昨日值、同期值、年初值、环期值或者目标值之间的差值及其变化率，但是传统的报表开发通常需要反复添加同一个指标，如下面的当日存款金额（万），然后再对该指标做不同日期过滤得到结果。 作为一个爱（会）上（偷）进（懒）的小白，自然是学点技能节约开发时间。对于这种简单重复的工作，则可以用指标复制这一功能快速复制已有指标及过滤条件，简单修改过滤条件，就可以轻松提高开发效率。 单个图表组件的效率提升之后，自然我就开始琢磨着怎么提高不同图表组件的开发效率。有的时候会碰到不同组件但是极其类似的分析需求，以下面为例。 我们想做公司下属三个大区的趋势分析，放在一起做比较。现在费了九牛二虎之力做好了南部大区的趋势分析，并结合实际业务对其中一些关注的关键因素做了以下处理： ①只希望看到南部大区的相关数据 ②起租金额最高的日期进行奖牌标记 ③在起租金额平均值以下的日期进行字体标红警示 ④起租金额在130~150范围内的日期进行标蓝处理 ⑤格式与数量级优化，数据标签优化等样式优化 个人对这个南部大区的趋势分析感到满意，接着需要再对东部大区和中西部大区做同样的趋势分析以及对关键因素进行标记。这时不需要把以上5个步骤再设置一遍，只要用上组件复制这一神技，然后更换下过滤条件，10秒钟就完成了东部大区的趋势，完全省去了以上一系列繁琐重复的工作，简直不能更便捷！ 非常感谢各位可以看到这里。 转发该文章，私信回复FineBI即可获得永久免费版下载地址，再次感谢各位。