【数据分析】用Tableau学习直方图📊-喜乐君-敏捷BI布道师

在Tableau的初级可视化分析中，我们有很多种初级视图的可视化方式，比如条形图（柱状图）、直方图、饼图、折线图、气泡图、圆视图、标靶图、压力图、树地图等等。Tableau所能展现的远远超过Excel所能展现的三大图（柱状图、折线图、饼图），而且可定制化的程度更高。

今天我们特别分享一下直方图（histogram），我经常称之为大数据高级分析第一图。大数据分析区别于一般分析的重要工作之一是看大数据的分布，而直方图提供了直观、简洁的方式，提供单个度量的分布分析。

在此，我分享直方图的知识和Tableau用法。

1、「中心极限定理」到「大数据分析」

在相当长的历史来看，数据分析从抽样调查开始，不管是一个国家的人口调查，还是企业的会员满意度分析，因此，数据分析的重要使命就是从抽样数据的特征来推断总体数据，所以，统计学有时候具有“一叶落知天下秋”的魔术般的力量。

对于具备统计学知识的人而言，上面的理论是不言而喻的；但是对于很多人来说，还需要知道更多。

根据中心极限定理，任意一个群体的样本平均值都会为围绕在该群体的整体平均值周围，并且呈正态分布。

中心极限定理的核心要义就是，一个大型样本的正确抽样与其所代表的群体存在相似关系。
1、如果我们掌握了某个群体的具体信息，就能推断出这个群体正确抽样的随机样本的情况；
2、如果我们掌握了某个正确抽样的样本的具体信息（平均数和标准差），就能对其所代表的群体作出令人惊讶的精确推理。
3、如果我们掌握了某个样本的数据，以及某个群体的数据，就能推断出该样本是否就是该群体的样本之一。

——《赤裸裸的统计学》

上面提到的正态分布（Normal distribution）又称为“高斯分布”（就是小学课本中快速计算1+2+3+……+100=3050的那位），你可以想象一个倒立的挂钟，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。

「中心极限定理」的基本原理，支持了我们的抽样判断的准确性。这是过去几百年统计学的基础之一，但是，原理依然重要，抽样却不多见了。

为什么？

因为大数据时代，我们往往不需要费劲心思去正确地抽样，我们现在分析的对象是：所有的数据！我们拥有所有的数据，我们使用大数据平台比如Tableau直接分析总体，减少了抽样和推导过程中的误差。

可以不用抽样推断总体特征，我们得到的就是总体特征，这是大数据分析的一大魅力。

在大数据的分析中，直方图就是特别重要的分析工具。

2、直方图是高级数据分析第一图

如果说柱状图是Excel的三大件之首，那么直方图就是大数据高级分析的分析第一图；利用直方图，我们可以汇总分析成千上万的数据点，清晰地看到以所有数据为样本的数据汇总呈现、数据分布、差异以及集中趋势等数据特征。

通过直方图，我们能看到：

数据的波动情况；比如公司员工的年龄分布是否有明显的断层，商品的销售数量波动等；
发现数据的异常断点；正态分布只是直方图的一种可能，大部分的直方图并以正态分布的规则呈现，通过直方图的波峰、波谷等信息，我们可以看到连续数据或者数据点的异常，从而找到运营数据中的线索。

3、多种工具制作直方图

直方图的入门可以通过Excel来实现，选择你的数据，选择“工具”-“数据分析”-“直方图”，就可以呈现出默认的直方图。可以参考官方的教程：创建直方图。

在《深入浅出的数据分析》一书中，作者介绍了使用R语言创建直方图的方法，有兴趣地可以参考。在此我不多言——主要是我不会R语言 ……

恕我直言，我现在只会用最爱的Tableau！

使用Tableau创建直方图非常简单，如果有离散的数据点（数据），把数据拖动到“列”，然后选择“智能显现”的“直方图”即可（参考：官方教程：生成直方图）；而如果是连续数据，则可以通过创建“数据痛”创建“维度”来实现（参考：官方教程：依据连续度量创建数据桶）。

当如，如果数据值本身可以作为维度使用，比如公司员工年龄分布的“年龄”字段，就可以直接使用柱状图表达直方图。例如下面的动画：

4、高级班：Tableau使用“计算字段”自定义直方图

在Tableau学习中，有一种情况是作为直方图的横轴（列字段）需要人为设定，从而更好地表达重点和分组，这就需要用“计算字段”这个高级功能，通过if函数来实现。

比如我要看销售金额的分布，直接用上面拖入数据+直方图显示的方法，数据过度集中，无法看到趋势（下图幻灯片图1），这显然不是我们想要的。如果使用数据桶呢？以500为步长，分布虽然非常规律，但是非关键数据影响了数据焦点（下图幻灯片图2），左侧的数据是负数（退货等出现的销售金额为负）。

如何自定义直方图的维度字段呢？我们可以使用“计算字段”，根据需要设定维度，比如说，以250、500和1000为分界线，分为11个区间。呈现结果如下图3。

计算字段也非常容易，使用if函数设定了汇总维度，

是不是比你想象的要简单很多，至少比R语言要简单的让人掉泪了——即便我学习过Java也会如此评价。

总结

这么看来，Tableau的优点就显而易见了，它比Excel要高级的多，多种呈现方式，使用不同的数据特征和场景，还可以完整的自定义，语法也简单得没有朋友；而相比于R语言，Tableau又显得如此的年轻和帅气，拖拽、所见即所得、漂亮如彩虹般的色彩搭配和定制化，简直就是活脱脱地混血美少年。

快来学习吧，我只用了两个多月，工作之余学习的啊。

附：

官方指南：

我的Tableau实操练习手册

2017年9月19日／9月20日revise

了解喜乐君的更多信息

订阅后即可通过电子邮件收到最新文章。