Introduktion til betinget formatering i Tableau
Mange gange under analysen støder vi på situationer, hvor der opstår et behov for hurtig klassificering. Klassificeringen hjælper med at forstå vigtige forskelle, baseret på, hvilken afgørende beslutning i problemkonteksten kan træffes. Blandt måder til hurtigt at klassificere data, er den ene metode, der er udbredt, betinget formatering. Som navnet går, betyder det i det væsentlige formatering af dataværdier baseret på visse betingelser, og farvekodning udgør den vigtigste del af dette dataanalyseværktøj. Tableau gennem sine alsidige betingede formateringsfunktioner gør det muligt at anvende konceptet selv over grafer, der gør visualiseringer ganske interaktive og kommunikative.
Sådan udføres betinget formatering i Tableau?
Nu lærer vi en trin for trin til at udføre betinget formatering i Tableau gennem tre former for illustrationer:
Illustration 1
Til den første demonstration bruger vi distributionsvolumendata, der indeholder volumen fordelt på distribuerede enheder. Vigtige dimensioner her er Region og Distributionsenhed, og Distributionsvolumen er et mål. Vores mål er at klassificere distributionsenheder baseret på distributionsvolumen. Vi vil kategorisere dem i meget høje, høje, moderate og lave volumenfordelingsenheder. Hvordan vi gør det, lad os se:
Trin 1: For at indlæse datakilden skal du klikke på "Ny datakilde" i Data-menuen. Klik alternativt på "Opret forbindelse til data".
Trin 2: I afsnittet "Opret forbindelse" skal du vælge den ønskede datakildetype. I dette tilfælde er det “Microsoft Excel”. Indlæs derefter dataene.
Trin 3: De indlæste data kan ses i fanen "Datakilde" som vist ved nedenstående skærmbillede.
Trin 4: Når vi flytter til arkfanen, kan vi se dimensioner og måling, der findes i datasættet. De findes i de respektive sektioner.
Trin 5: Til at begynde med, trækker dimensioneringsenheden til rækkeregionen og måles fordelingsvolumen ind i kolonneområdet. Et vandret søjlediagram genereres som vist nedenfor. Hvis standarddiagramtypen er anderledes, skal du vælge et søjlediagram i "Vis mig".
Trin 6: Sorter resultatet i faldende rækkefølge ved at klikke på sorteringsikonet som vist på nedenstående skærmbillede.
Trin 7: Dernæst opretter vi tre parametre, som vi vil bruge til at tjene vores formål. Parametrene hjælper dybest set med at kategorisere distributionsenheder baseret på distributionsvolumener. For at oprette den første parameter skal du højreklikke hvor som helst i det tomme rum i afsnittet Data og klikke på "Opret parameter …" som vist i nedenstående skærmbillede.
Trin 8: Ved at følge ovenstående procedure vises dialogboksen "Opret parameter" som vist nedenfor.
Trin 9: Udfør følgende ændringer i dialogboksen "Opret parameter". Skift navn til "Tærskel_1", hold datatypen "Float", og indstil den aktuelle værdi til 100.000 med displayformat som automatiske og tilladte værdier valgt til Alle. Klik til sidst på OK for at oprette parameteren. Dette er som vist nedenfor.
Trin 10: Opret ligeledes den anden parameter med navnet “Threshold_2”, med den aktuelle værdi indstillet til 50.000 med andre detaljer indstillet som vist nedenfor.
Trin 11: Opret endelig den tredje parameter. Navngiv det "Threshold_3". Indstil den aktuelle værdi for denne parameter til 25.000 med andre detaljer indstillet som vist nedenfor.
Trin 12: De tre parametre, som vi oprettede, kan ses som vist ved nedenstående skærmbillede. Nu vil vi bruge dem korrekt til at nå vores mål.
Trin 13: De parametre, vi oprettede, tjener ikke vores formål, medmindre de bruges i et beregnet felt til korrekt kategorisering af distributionsenhederne baseret på distributionsvolumen. Så næste vil vi oprette et beregnet felt. For at højreklikke hvor som helst i det tomme rum i afsnittet Data, og klik på "Opret beregnet felt …".
Trin 14: Det felt, vi oprettede, ser ud som vist nedenfor. Vi kaldte det "DU Klassificering". Det vigtigste punkt, vi brugte de tre parametre, vi oprettede tidligere i det beregnede felt. Hvad koden gør er, at hvis en fordelingsenhedsværdi er større end Threshold_1 dvs. 100.000, vil den klassificere den som “Very High Volume DU”. Tilsvarende gør det de andre klassifikationer.
Bemærk: Vi har ikke hårdt kodet værdierne i feltet, fordi hardkodning muligvis ikke giver os mulighed for at håndtere de kontekstbaserede ændringer. Hvis vi har parametre til rådighed, vil ændring af parametres værdier derfor blive reflekteret i det beregnede felt, når konteksten ændres. F.eks. Hvis vi agter at kategorisere distributionsenheder med distributionsvolumen over 200.000 som Very High Volume DU, ændrer vi bare den aktuelle værdi for Threshold_1 fra 100.000 til 200.000 uden faktisk at ændre værdien i koden i det beregnede felt.
Trin 15: Som det kan ses i nedenstående skærmbillede, vises det beregnede felt “DU Klassificering” under Målinger.
Trin 16: Træk bare det beregnede felt “DU Klassificering” hen over farve i mærker, og som vi kan se i nedenstående skærmbillede, bliver distributionsenhederne kategoriseret i fire forskellige kategorier baseret på deres volumenbidrag. Kategorierne kan ses til højre for skærmbilledet.
Trin 17: Lad os se nærmere på visualiseringen. Vi ændrer også rækkefølgen af kategorierne i sagnet; dette kan gøres ved blot at trække en kategori op eller ned ved hjælp af en mus. I legenden ser kategorierne ud i den rigtige rækkefølge.
Trin 18: Sidst, men ikke mindst, kan vi ændre farven på en kategori. For det skal du blot klikke på Farve på markeringskortet og derefter klikke på "Rediger farver" for at foretage de nødvendige farvevalg.
Illustration 2
I denne illustration skal vi udføre tilstandsformatering af typen Microsoft Excel. I Microsoft Excel har vi en klar-til-brug-indstilling, der formaterer baggrundsfarven på cellerne baseret på værdierne. Her ændres graden af farve baseret på størrelsen af værdien. I Tableau bliver tingene imidlertid ganske vanskelige, især når vi agter at have en sådan form for betinget formatering i vores analyse. For at nå målet vil vi gå lidt væk fra banen. Lad os se, hvordan vi kan gøre det i Tableau.
Trin 1: Vores data til denne demonstration indeholder fortjeneste- og salgstall for tyve større indiske byer. Dataene er indlæst i Tableau. Når vi flytter til arkfanen, kan vi se den eneste dimension By og de to mål Resultat og salg findes i de respektive sektioner.
Trin 2: For at være med, træk dimension City ind i rækkeregionen som vist nedenfor.
Trin 3: Det næste trin er at oprette et beregnet felt. Dette er som vist nedenfor.
Trin 4: Opret det beregnede felt med navn 1.0 og skriv også 1.0 i kodesektionen. Når dette felt er oprettet, kan dette felt ses i afsnittet Mål som vist på skærmbilledet efter nedenstående skærmbillede.
Trin 5: Træk det beregnede felt 1.0 to gange en efter en ind i kolonneregionen. Skift typen 1, 0 til AVG (gennemsnit). Gå til rullemenuen i feltet, klik derefter på Gennemsnit i mål.
Trin 6: Klik på "Dual Axis" i rullemenuen for den anden 1.0-måling. Dette er som vist på nedenstående skærmbillede.
Trin 7: Vi ændrer nu øverste og nederste akser. Højreklik på den øverste akse, og klik på "Rediger akse" -indlæg, hvor en dialogboks vises som vist ved skærmbilledet efter nedenstående skærmbillede.
Trin 8: Standardvalg og værdier i dialogboksen Rediger akse er som vist i nedenstående skærmbillede.
Trin 9: Sørg for, at ændringer i afsnittet "Generelt" i dialogboksen "Rediger akse" foretages som vist nedenfor.
Trin 10: I afsnittet "Tick Marks" i dialogboksen skal du vælge "None" for Major Tick Marks såvel som Mindre Tick Marks.
Trin 11: Udfør også ændringer i nederste akse i både "Generelt" såvel som "Afkrydsningsmærker", svarende til dem, der udføres i øverste akse, bortset fra at titlen holdes tom i afsnittet "Generelt" som vist nedenfor.
Trin 12: Udførelse af ovenstående trin giver os følgende visualisering. Bemærk, de blå søjler er halvdelen af cellens størrelse, fordi vi i "Fixed end" i sektionen General i dialogboksen Edit Axis har værdi 2, og i feltet 1.0 har vi værdi 1.
Trin 13: For at få søjler i fuld størrelse skal du dobbeltklikke over pillen i den første 1.0-måling og bare tilføje 1 som vist nedenfor.
Trin 14: Ovenstående trin giver os fuld størrelse i cellebjælker, som det kan ses på nedenstående skærmbillede.
Trin 15: Træk nu Profit over farve for det første 1.0-felt i Marks Card. Hvis du gør dette, giver du forskellige farvede søjler. Bemærk, at de forskellige farvede søjler skyldes forskellige værdier for fortjenestemål.
Trin 16: I den anden måling 1.0 skal du trække Profit over Text in Marks-kortet, dette får værdier til at vises i cellerne, som det kan ses nedenfor.
Trin 17: I ovenstående skærmbillede kan vi se, at farverne ikke har udfyldt hele cellen. Hvis du vil have fuld celleudfyldt farve, skal du vælge den højeste størrelse ved at trække størrelsesskyderen til højre side for det første 1.0-felt. Dette illustreres nedenfor. Og som vi kan se, nu er cellerne fuldstændigt farvet.
Trin 18: Hvis vi synes, at baggrundsfarvernes lysstyrke er meget høj, ændres vi for at reducere den ved at justere opaciteten, baseret på kravet, gennem skyderen Opacity i afsnittet Farve. I dette tilfælde holdt vi opaciteten til 90%. På samme måde kan vi justere opaciteten for tekstværdier gennem indstillinger i den anden 1.0-måling. Dog skal opaciteten for tekstværdier holdes på 100% for at få dem tydeligt til at vises over baggrundsfarverne. Bemærk, i visualiseringen nedenfor kan vi se, at negative værdier klart adskilles fra de positive. Negative værdier er angivet med orange som mod blå for de positive værdier. Baseret på værdien ændres graden af lysstyrke for farven endvidere.
Trin 19: Ovenstående trin udførte vi til profitforanstaltningen. Vi har en anden vigtig foranstaltning i datasættet, som er Salg. Til mål Salg har vi også til hensigt at udføre en lignende analyse. Så gentag bare ovenstående trin. Endelig skal du ændre farven for Salg til grøn som vist nedenfor, ellers kan du vælge en passende farve.
Trin 20: Nu ser den analyse, vi udførte ved hjælp af betinget formatering, ud som vist på nedenstående skærmbillede. På højre side kan vi se den farve, der er tildelt baseret på intervallet af fortjeneste- og salgsværdier. Dette værdier afhænger af farvebaseret formatering, der tilbyder afgørende indsigt i data giver konceptet navnet.
Trin 21: Følgende skærmbillede giver os et nærmere kig på analysen, som vi udførte ved hjælp af betinget formatering. 
Illustration 3
Til denne illustration bruger vi det datasæt, der blev brugt i den første illustration. Her vil vi fremhæve de fem og nederste fem byer. Lad os gå til Tableau:
Trin 1: Vi har dataene indlæst med dimensioner og mål som vist i nedenstående skærmbillede.
Trin 2: Træk dimensioneringsdistributionsenhed til rækkeregion og måle fordelingsvolumen over tekst på markeringskortet som vist på nedenstående skærmbillede.
Trin 3: Sorter resultatet i faldende rækkefølge, så vi får byer i højeste til laveste rækkefølge af distributionsvolumen. Dette er som vist nedenfor.
Trin 4: Opret derefter et beregnet felt. Trinene til oprettelse af et beregnet felt er dækket i de foregående afsnit. Vi vil fremhæve de øverste fem og nederste fem distributionsenheder, så navngiv det beregnede felt som "Top 5 og bund 5". I kodedelen anvender vi INDEX () AND LAST () -funktioner. Funktionen INDEX () returnerer indekset for den aktuelle række, mens LAST () returnerer antallet af rækker fra den aktuelle række til den sidste række. INDEX () starter beregningen fra 1, mens LAST () starter fra 0. De to funktioner er blevet brugt som vist på nedenstående skærmbillede.
Trin 5: Det nyligt oprettede beregnede felt vises som en måling, som det kan ses i nedenstående skærmbillede.
Trin 6: Nu skal du bare trække det nyoprettede beregnede felt “Top 5 & bund 5” hen over farve i markeringskortet, så vi kan se, at de øverste og nederste 5 regioner er blevet fremhævet i rød farve. Kategorierne vises som falske og ægte værdier, som det kan ses på højre side af skærmen.
Konklusion
Gennem forskellige illustrationer forsøgte vi at komme dybere ind i begrebet betinget formatering i Tableau. Dog er det et meget interaktivt visualiseringsværktøj, kan der opdages flere måder, der kræver anvendelse af funktionaliteter leveret af værktøjet. Tableau letter det således at anvende betinget formatering til visualiseringer uden at begrænse sig til en fast måde.
Anbefalede artikler
Dette er en guide til betinget formatering i Tableau. Her diskuterer vi en trinvis tilgang til udførelse af betinget formatering i Tableau gennem tre former for illustrationer. Du kan også gennemgå vores andre relaterede artikler for at lære mere-
- Tableau-diagrammer
- Tableau Dashboard Design
- Tableau-korttyper
- Oprettelse af sæt i Tableau
- Tableau-aggregerede funktioner
- Pivot i Tableau
- Tableau-kontekstfilter
- Tableau Bullet Chart
- Introduktion til funktioner og egenskaber ved Tableau
- Sådan oprettes grupper i Tableau?