【Tableau】prep合并数据之联结join与并集Union

前面介绍了Prep的pivot和aggregate，前者修改了数据的展现样式，后者修改了数据的聚合度；prep还可以把多个数据表合并在一起，提供了join和union两个功能。

一、理解Join和Union

在Tableau中，合并数据有两个基本的方法，联结join 和并集Union，更具体的说，是基于部分共同字段的数据联结Join，和全部字段一致的数据并集Union。

不得不说，Tableau Prep的官方翻译是有误导性的，它把Join和Union翻译为“联结和合并”，又说，“两种方法来合并 Tableau Prep 中的数据：联接和合并”，非常容易导致理解Union上的误解。

形象的讲，可以这么理解二者的区别：联结Join用于不同详细级别的数据，Union用于格式相同的数据；联结Join的结果是数据变得又高又胖（tall and wide）——增加了数据，同时增加了字段数量；而并集Union的结果是数据变高却没有变胖（tall not wide）——后面的数据追加到前面的数据，而字段没有增加。

• 联结Join：不同的数据、有共同的字段、字段增多——横向扩展了字段，纵向增加了数据；
• “并集”Union：相同结构的数据、完全相同的字段、字段不变——纵向追加数据。

Join容易理解，它在英文中的本意就是前后相接；在Tableau中，诸如标题列{ABCD }与{CDEF}联结，结果就是{ABCDEF}，CD是联结二者的共同字段。

Union的本意就是指具有相同结构和属性的人员、国家、企业等的合并，就像共同信仰的人成立政党或工会、有共同价值的国家形成联邦、同为国家的国家形成联合国、企业成为集团等等；Tableau中的Union，要“确保合并的表具有相同的字段数、相同的字段名称，并且字段的数据类型相同”，因此“并集”也不是特别准确，逻辑学和常用的“并集”也有重合和不重合的情况，如果用“追加”词语，可能更加清晰一些。

不妨我们就用Join和Union吧。

 

二、Join的用法和说明

任意两个以上的数据表都可以通过关联字段Join在一起，在flow面板中，把一个工作表直接拖拽到另一个上面，就会提示Join OR Union，放在右侧是join（横向扩展），放在下面是Union（纵向追加）。

1、联结子句与判断

此时，prep会自动建议一个联结的字段，比如在superstore中的Product ID，你可以从下面的“联结子句建议”中增加新的子句，也可以在“联结”右上角的“+”手动增加。

这里要注意的是，联结的判断是可以修改的，默认是等于（=），可以修改为不等于、大于等于、小于等于，等。

说一个使用“不等于”的案例，比如在做顾客分析时，首次购物时间可以通过 Min[购物时间] 来查找，那第二次购物时间如何查找呢？通过Join联结全部的购物记录和首次购物记录，通过 “购物时间”Join，然后修改为“不等于”（！=），这样从全部购物记录中把首次排除，之后再做一次Min（购物时间）的聚合就可以了。

同样的操作，如果我们在desktop中实现，需要使用 fixed LOD先返回第一次购买时间，然后通过if判断建立新的字段，把首次购买时间替换为null，生成的新字段再重新做一遍fixed LOD计算。每一次LOD表达式计算，都是完整的一次数据查询，通过prep，我们可以在数据清理阶段完成这个操作，提高desktop中的分析效率。（本案例参考“15大详细级别表达式”之 案例10:各个阵列的回头客。链接：【Tableau】15大详细级别表达式-思路解读版 (5)）

2、联结类型

在Join中，最重要的地方就在联结子句（Join clause）和联结类型（Join Type），联结类型分为几种：

• 内部联结（Inner Join，默认）：包含了两侧数据中的重合数据；
• 左联结（Left Join）：以左侧数据为主，增加右侧的匹配数据
• 右联结（Right Join）：以右侧数据为主，增加左侧的匹配数据
• 外联结（Outer Join）：包含两侧数据的所有数据，重合或者不重合

我们可以据一个最简单的例子，Table 1有四行数据，Table 2有四行数据，其中两行重合（1和3）通过B=B和C=C两行数据来Join，四种联结方式如下图。最简单的数据可以了解真相。

当然，如果我们只用B=B联结怎么办？那就在内心中把C作为两个字段，一个叫C1，另一个叫C2，不要理会就好了——Tableau也是这么干的。

Tableau不愧为可视化王冠，它把联结结果通过可视化的方式表达出来，可以清晰的看到数据的分布。结合经验，可以提前判断Join的可靠性。

3、注意要点

• 在Join的过程中，会遇到我们在讲聚合aggregation中同样的问题，不同的数据聚合程度，Join之后会造成理解上的误解，因此建议同一详细级别（Level of Detai）的数据执行Join操作。

这种不同级别的数据联结（门店级别的销售数据+公司级别的员工数据），会导致数据上的误解：员工数量本来是各年度公司的总员工数（聚合度高）；联结后，在门店详细级别重复出现的“员工数量”字段，会被认为是每个门店的员工数量（聚合度低的级别）。——这种情况就要在数据分析时特别加以注意。

• 默认的数据联结子句是左右相等，必要时修改为“不等于”、“大于”等其他判断；
• 使用数据可视化图形，和对数据的了解经验，提前判断数据Join的可靠性。

 

三、Union的用法

执行Union和上面的Join，仅需要把数据表拖动到另一个上面，根据提示放在下面的Union就可以，在Union的数据窗格中，我们可以通过清晰的颜色标识，查看每个字段Union后的完整性。

• 如果并集配置和并集结果中，字段上包含了全部四种颜色，表示union正常；
• 对于同一个名字，不同类型的数据，Prep会自动转换实现union，当然，之后可以“分隔具有不同类型的输入”以还原合并。

Union的重点在于修复和完善不匹配的字段。

• 修复上述不匹配的字段名称，可以同时选择两个字段，然后右键合并；如果想要执行反向操作，可以找到相应的字段，点击下来箭头，选择“分隔对齐的字段”，从而从每个数据表中分离出来；

 

四、说明

区分Tableau中的几个概念，避免使用上的误区。

• group 字段的合并
• Join 基于共同数据字段作为的横向数据联结
• Union，具有相同字段的纵向数据合并（追加）

Tableau Prep系列

• {中文版已上线} Tableau Prep 功能一览为快 1/6
• 【Tableau】Prep数据整理之pivot转置 2/6

【Tableau】 Prep数据整理之聚合aggregate 2.0

• 【Tableau】prep合并数据之联结join与并集Union
• 【Tableau】[译]如何在Prep删除重复记录 by Josh Milligan
• 【Tableau】从Excel杀手到Tableau入门：数据解释器引路

 

4 Sep 2018
Feb 25, 2019 revise