第6章 排序与对比（部分与部分）
排序是最普遍的分析需求，对应的条形图（或者柱状图）也因此成为使用最为广泛的可视化图形。本章介绍排序问题类型对应的主要图形，及其相关的可视化常识，包括
1、条形图的构成要素与矩阵条形图
2、多个度量坐标轴的处理方式——双轴、多度量轴
3、不同度量类型的可视化表述方式
4、度量坐标轴的综合设置——对数、倒数、零点、刻度等
5、以条形图为底色的高级图形：靶心图、甘特图
6.1 基本条形图与多离散维度条形图
“排序”通常隐藏在各种业务问题之中，比如“不同产品的销售额”“各地区的客户数量”等，有时候明显、有时候隐晦。分析师需要敏捷地捕捉领导的意图，或者基于业务场景作出恰当的推测。
通常，只要问题的主干是由 “离散字段”和“聚合度量”构成的，默认对应的图形，就是条形图，它建立在“第二字段分类”原理基础上：
离散生成标题、连续创建坐标轴
最简单的条形图由离散字段对应的标题、连续的聚合字段生成的坐标轴以及以长度代表大小的条形组成；结合对结果的排序。
那如果问题中包含多个离散字段，或者多个聚合度量呢？这里先说多个离散字段，总结一句话：
多个离散维度字段并排构成分区，交叉构成矩阵
1）离散字段并排构成分区
比如要绘制“各类别、各细分的销售额”，一种方法是把离散的“类别”和“细分”前后并排放在视图中，结果如图6-2左侧所示，每个类别同时对应了细分字段的三个数据值，最小的单位称之为“单元格”，而多个单元格构成的上一级就称之为“区”，随着维度字段增加，“区”可以持续嵌套，最终构成整个数据视图。
而要在上述“单元格”-“区”的结构中完成排序，就需要为所有维度字段构成的数据表创建共同的坐标系——或者称之为“对比的公共基准”，因此就需要把连续字段添加到维度字段所在“行”相对的位置“列”。如图6-3左侧所示。
而如果把连续聚合字段添加到“单元格”字段细分之后，虽然还是同一个轴，但是不在一个空间中，就失去了可比性，如图6-3右侧所示。
单一连续字段构成的坐标轴，相当于一维空间；它的本质就是把每个单元格都叠加放在一个一维的标尺上。
多个离散维度构成分区，分区中有一种特殊形式——构成分区的前后多个字段相互没有交集，比如“类别、子类别、产品名称”“国家、省份、城市”。如图6-4所示，这种字段结构称之为“分层结构”，通常用于逐步归因的探索分析。在Tableau Desktop中，通过拖曳多个字段构成“分层结构”，有助于在视图中灵活完成字段的折叠和钻取。
2）多个离散字段交叉构成矩阵
多个离散字段交叉构成“矩阵”。何为矩阵？在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合；于此相类似，分析中把字段的交叉关系成为“矩阵”，如图6-5所示。
“离散字段生成标题”，说的是展现的样式；而“多个离散字段交叉生成矩阵”，说的是空间，再与坐标轴结合，就称之为“条形图矩阵”。如图6-5右侧所示。
在条形图矩阵中，连续的聚合字段生成坐标轴，那哪个维度字段和它相邻，哪个字段与它相对呢？这取决于问题的字段关系。
比如“各个细分市场，不同类别的销售额总和”，要对比的是“不同类别的销售额总和”，因此“类别”和“销售额”字段相对，从而为多个类别创建公共的坐标轴基准。而“各个细分市场”没有对比关系，因此细分字段与坐标轴可以相邻——细分作为“区”字段。
3）实例：日历矩阵条形图
基于上述的常识介绍，这里介绍一个在日历矩阵中做条形图对比的案例。某日，一位制造业客户咨询，想要在“日历”中看到车间“早中晚”三个班组的产量情况。
日历是典型的矩阵图形，它是由“第几周”和“星期几”两个离散字段构成的——Tableau Desktop中可以在日期字段上选择或者使用DATEPART函数完成。如图6-6所示。
接下来，如何把班组字段和产量字段加入到这个矩阵？这就需要分析客户需求。
首先，“每个工作日，各周的产量”是没有意义的，而分析“每周，每个工作日的产量”才是有意义的，因此“产量”字段应该与“周数”相邻（周构建分区）、与“工作日”相对。如图6-7左侧所示。
接下来，增加“班组”字段，相当于把每天的条形图一分为三，从“每天的产量对比”变成“每天、每个班组的产量对比”，因此“班组”字段放在“工作日”之后，如图6-7右侧所示。
接下来，做必要的视图改进：增加月份筛选器、按照“早中晚”设置“班组”的默认排序、通过颜色增强班组的可识别性、隐藏坐标轴改为标签显示、必要时增加其他字段到“工具提示”甚至“画中画”，就可以完成“日历矩阵条形图”了。
图 6‑8 增加必要的修饰，完成可视化[1]
按照类似的逻辑，结合后面折线图和饼图，甚至可以在日期矩阵中创建折线图、饼图等多种样式。
4）离散维度作为结构性要素：堆叠条形图
离散维度除了生成标题和矩阵，还可以作为分析的关键背景使用——也就是作用弱于行列上的字段，但又参与到视图中，强于“隐藏于”工具提示之中的参考信息。
比如在“各个类别的销售额”条形图中，希望让领导进一步看到不同细分市场的情况，但又不想破坏视图本身——更准确的说，细分字段作为视图的结构性要素出现，作为第二重表达要素。如图6-9所示。
图 6‑9 堆叠条形图：在视图单一维度条形图中增加结构性要素
这种称之为“堆叠条形图”（stacked bar chart），它的最大优势在于明确地区分了两个可视化层次：主视图焦点突出（行列字段构成）、结构性要素明显（通过标记颜色传递）。这样既保持了原有条形图的样式，又增加了视图的丰富程度，因此是大数据业务分析中至关重要的条形图样式。
在此基础上，堆叠条形图还有进一步的改进空间，比如如何增加各类别的合计销售额标签、如何把结构性占比转化为主视图焦点。
由于堆叠条形图已经改变了数据聚合的层次（这里是“类别*细分”），因此默认显示标签只会显示“每个类别*细分”的销售额合计，更高聚合的标签需要引用更高层次的聚合（“类别”层次）。最简单的更高聚合是表计算，而参考线都是表计算的“化身”，因此通过在单元格添加参考线就可以显示类别合计，如图6-10左侧所示。
图 6‑10 在“类别*细分”层次增加更高聚合的标签
由于表计算属于典型的高级计算，对应SQL中的“开窗函数”，初学者容易陷入到“图形合并”之中，如图6-10右侧所示，使用“双轴图”（详见6.2小节介绍）增加“每个类别的聚合”。本书不推荐这种方法，它增加了视图的复杂性和性能负担，而且阻碍了这个视图进一步的发挥空间。
如果领导很清楚类别的销售情况，希望重点关注“各个细分在不同类别的占比的对比”呢？
此时问题就发生了实质变化，关注焦点从此前的“类别的排序”变成了“细分在各类别的占比的排序”，作为对比的坐标轴首先就要改变。通过表计算把绝对值坐标轴转化为“百分比坐标轴”，是高级分析的基本技能。如图6-11所示。
图 6‑11 使用表计算把绝对值坐标轴转化为百分比坐标轴[1]
在本章6.4小节坐标轴的处理中，还会重题这个话题。
[1] Tableau表计算对应SQL窗口函数，属于高级计算的一部分，初学者需要时间。
[1] 数据采用Tableau默认的“超市数据”，“班组”字段基于“类别”复制而来。
6.2 包含多个度量坐标轴的条形图
1）按照字段重要性递减的多种布局方式
2）考虑字段关系的双轴和多轴布局方式
3）多个绝对值字段的对比与包含逻辑
6.3 字段类型对多度量组合的影响
1）字段类型与视图框架
2）字段类型与颜色
3）字段类型与表达方式
6.4 坐标轴的调整
6.5 以条形图为底色的高级图
喜乐君 · Jan 8, 2021
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。