【加印增补】Tableau常用筛选器及其优先级

//本文为《数据可视化分析：Tableau原理与实践》2021-5第五次加印修订的主要勘误内容，重写了5.5.1小节中除数据源筛选器之外的所有内容。

5.5.1  常用筛选器及其优先级

筛选是最常见的数据增强分析技术，意如其名，“基于筛选条件缩小数据样本”，见于从数据连接、数据整理、数据可视化一直到数据交互展示的每一个环节。在不同的环节，Tableau的筛选器功能和用法各有差别。

学习筛选器有两个关键：熟悉每个筛选器类型的分析阶段及其功能、熟悉多个筛选器相互之间的优先次序（官方称之为“操作顺序”operation orders），本小节涉及的主要形式如图5-67所示。

图567  常见的筛选器及先后顺序

如果在一个视图中同时出现多种筛选器，那么优先级决定先后执行的顺序。每一种筛选都是将上一个环节的数据进一步减少。

1．数据源级别：数据提取和数据源筛选器

数据提取和数据源筛选器都在Desktop数据连接面板界面，如图5-68所示，位置前后相依，目的却截然不同。

图568  数据提取与数据源筛选器

不少人纠结二者的优先级孰高孰低，其实不如思考它们分别的功能定位。数据提取筛选器与“实时连接”相对应，提取的本意是将数据库数据提取到本地，从而减轻分析过程的数据库压力，同时具备了随时随地使用的便携性能——目的是性能或者方便。数据提取并非必然需要筛选，选择“数据提取”默认会为所有数据创建本地缓存，默认“完全提取”。

如果面对海量数据，比如企业的SAP HANA大型数据库，则可以创建“数据提取筛选器”。如图5-69所示，点击数据提取右侧的“编辑”，会弹出如图5-69左侧所示的数据提起筛选器窗口。可以点击“添加筛选器”增加特定条件的筛选，比如选择“订单日期”，仅保留2020年的数据。也可以在下面的“行数”区域，将默认的“所有行”改为“前10000行”，按照数量提取数据。

图569  数据提取筛选器的设置与数据源筛选器

一般而言，数据提取筛选器要么在后期撤销，改为实时连接，要么发布到Tableau Server设置定时刷新，所以本地的数据提取往往具有临时性。

而数据源筛选器的功能截然不同，它是用来“排除异常值及错误值”的，而不是优化性能或移动办公等其他目的。也正因为此，它的筛选结果对此后的所有工作表、仪表板都有效；除非调整数据源设置，否则不会受提取、直连或者服务器设置影响。创建“数据源筛选器”的方式如图5-69所示，点击右上角筛选器下面的“编辑”，会弹出数据源筛选器窗口，添加方式和数据提取的条件筛选一样。比如筛选订单日期2019年的交易。

在第4章4.1.2小节中，使用连接join合并销售明细表和退货明细表，如果要仅保留正常交易的明细（即从左连接一侧剔除内连接的退货），就需要使用数据源筛选器排除（见第4章图4-13），不过这种方式对之后所有视图生效，就无法分析退货产品情况；如果既想分析正常交易的订单，还想分享退货产品的情况，那么就要在视图中使用维度筛选器完成——通过筛选“订单ID（退货交易）”为空NULL或者不为空实现。

总而言之，数据提取筛选器是为了创建分析使用的更小数据样本；而数据源筛选器是为了排除异常值，一经设置往往常年不变。排除错误应该在建立样本之后，在其他所有筛选器之前，这样更有助于性能，所以Tableau设置的优先级是数据提取筛选器优先于数据源筛选器。

2．可视化阶段筛选器分类综述

数据提取和数据源筛选器都是在数据源阶段的筛选，它们对所有工作表、仪表板、故事有效。不同问题的样本范围各有不同，此时就进入了可视化阶段。

从结构上看，筛选由“样本字段”和“筛选条件”两个部分构成，二者对应的字段可以为同一个字段，也可以完全不同，后者是筛选器中复杂形式。这里先简述几种常见的形式：

• Equal/in 相等筛选——基于数据表明细的行级别判断：
  • 西北地区，各类别的销售额(总和) ——样本字段：地区，筛选条件：等于西北
  • 2020年，各类别的销售额(总和)——样本字段：订单日期，筛选条件：等于2020
  • 上海、北京、深圳城市，各个类别的销售额(总和)——样本字段：城市，筛选条件：等于上海，或等于北京，或等于深圳，即IN（上海，北京，深圳）
• From～to范围筛选器——基于数据表明细的行级别判断
  • 从2021年1月1日，到4月1日，各类别的销售额——样本字段：日期/日，筛选条件：绝对日期的范围
  • 过去三个月，各类别的销售额——样本字段：日期/月，筛选条件：参考今天TODAY()的相对日期范围
  • 仅保留利润小于0的亏损交易明细，各类别的销售额与利润——样本字段：无/数据明细，筛选条件：利润小于0（[利润]<0）。特别注意，这里的筛选条件没有聚合。
• From～to范围筛选器——基于聚合的条件范围
  • 各子类别的销售额和利润，仅保留销售额总和大于50000元的子类别——样本字段：子类别（和视图层次一致），筛选条件：销售额总和大于5000元（聚合依据是子类别）
  • 筛选利润总和贡献大于1000元的大客户，分析它们在各个子类别的利润——样本字段：客户（与视图层次不一致），筛选条件：利润总和大于1000元（聚合依据是客户）
  • 保留利润总和贡献前10名的客户，分析它们在各个子类别的利润占比——样本字段：客户（与视图层次不一致），筛选条件：利润总和前10名（基于聚合的排序，聚合依据是客户），占比计算需要同时保留不符合条件的样本，使用集set保存样本
  • 首次订单日期在2020年1月1日至2020年5月31日之间的新客户，分析它们在各个子类别的利润总和——筛选字段：客户（与视图层次不一致），筛选条件：基于日期聚合的范围，MIN([订单日期])在2020年1月1日和2020年5月31日之间

总结上述的多种筛选情形，可以按照筛选字段或者筛选条件，划分为不同分类。按照第一字字段分类属性分维度筛选器、度量筛选器；按照第二字段分类属性分为相等判断筛选器（exg.东北、2020年的销售额）、基于连续的范围筛选器（exg.最近三个月、利润总和小于0的客户）；按照是否聚合及计算所在层次可分为行级别筛选器、聚合筛选器、表计算筛选器（TC）、条件筛选器（Fixed LOD筛选器）。

当多种类型叠加，多种筛选器就有了优先级和重合，就需要“上下文筛选器”和各种计算筛选器来控制次序。比如“在2020年、东北地区，筛选利润总和大于1000元的客户，分析各个类别、细分的销售额总和、利润总和情况”（注意筛选字段由客户，但视图中没有）

这里先分类介绍，然后结合上下文筛选器分析多种组合时如何解决优先级问题。

3．简单筛选器：基于行级别的筛选器

基于行级别的筛选器，类似于Excel中明细的筛选器，或者SQL中where子句中的筛选器。

常见的筛选都是基于明细的，基于明细的一定不包含任何聚合的过程，比如“2020年的销售额”“消费者市场的客户数”“过去三年的销售额”“利润亏损的交易明细”。

把筛选条件对应的“字段”拖曳到“筛选器”面板中，之后按照提示设置。在构建基本视图之后，也可以在筛选字段上右键“显示筛选器”，字段自动加入筛选器面板，同时在视图右侧出现筛选控件，这种方式主要适用于维度字段。如图5-70所示。

图5-70 通过拖曳+显示度量，或者在视图中直接“显示筛选器”方式创建筛选器

筛选器的关键是日期筛选和度量筛选器，因为二者都具有连续性。

由于日期兼具连续和离散两种特征，两种情形下的筛选器设置略有不同，连续日期筛选器侧重于区间和范围，而离散日期筛选器则侧重于单选和多选。连续日期建立筛选器，又有相对范围（如本周）和绝对范围（如2020年第5周）两种，分别对应图5-71“相对日期”和“日期范围”，它们所显示的筛选器样式也大为不同。

图5-71 创建筛选器、连续日期筛选和离散日期筛选

虽然在上面的日期筛选器弹窗中也有“计数、计数（不同）、最小值、最大值”的聚合筛选选项，但是由于“维度是聚合的依据”，它们必须基于视图维度才有意义，因此不能独立称之为“筛选器”。

维度之外，另一个关键的行级别筛选是“所有值度量筛选器”，即基于数据表明细的度量筛选器。比如，分析“利润亏损（不大于0的交易）的交易，在各个地区的总利润亏损”。这就要求在明细中先仅保留“利润不大于0”的明细行，然后再按照视图的维度（地区）聚合，如图5-72所示。

图5-72 创建基于所有值的度量筛选器

不过，“度量默认聚合”，这里的行级别筛选对应“[利润]<=0”的行级别判断，聚合需要建立在维度基础上，考虑到优先级及其与视图维度的关系，接下来单列讲解。

4．简单聚合筛选：基于视图的聚合筛选器

基于聚合的筛选是略显复杂的形式，不过牢记“维度（层次）是聚合的依据”，一切就能迎刃而解。聚合所依赖的维度又有两种方式，其一是相对于视图的维度而建立聚合的筛选，并随着视图的维度变化而自动变化；其二是绝对指定聚合依赖的维度，不随视图变化而变化。前者是普通的聚合度量筛选器（Measure Filters on Aggregation），后者是高级的条件筛选器（Conditional Filters on Fixed LOD）。这里先介绍基于主视图维度层次的聚合筛选，后者单列下一小节。

简单的聚合筛选器，可以理解为Excel中数据透视表的求和项筛选，和SQL中having子句语法。

先创建一个简单视图“各个客户的利润总和”对离散字段计算连续聚合，列入排序问题类型选择条形图展示。默认展示所有客户的情况，接下来以视图的维度“客户名称”为依据，创建聚合的筛选条件，就可以对视图数据执行筛选动作了。如图7-73所示，把“利润”字段拖曳到筛选器面板，选择“总和”（或其他聚合方式）并设置筛选条件“至少15000”，视图中就仅显示了“利润总和大于1.5万的客户名称，各个客户的利润总和”。

图573  创建基于视图维度的聚合筛选器

聚合不仅仅来自于度量字段，也可以来自于维度字段”。在上图基础上，仅保留获客年度在2018年的客户，获客年度对应“每个客户的最小MIN订单日期”，“最小MIN”是对维度日期的聚合。

如图7-74所示，把“订单日期”拖曳到筛选器面板，选择“最小值”聚合并设置日期范围筛选条件，视图就仅显示了“最小订单日期（即获客日期）为2018年、同时利润总和大于1.5万的客户名称”。注意，这里的利润总和1.5万，是多年贡献的1.5万，而非仅仅在2018年（2018年是聚合条件只对维度有效，对利润总和不产生影响）。两个聚合筛选条件是独立的，计算重合部分。

图574  创建基于视图维度的维度聚合筛选器，并与度量聚合计算重合项

“维度是聚合的依据”，因此筛选器中的筛选条件都是以视图的层次为依据的。随着视图维度的变化，聚合也会变化。如果把视图中“客户名称”改为“产品名称”，那么视图就变成了“产品最小日期（即上架日期）为2018年，且利润总和大于等于1.5万的产品”。正因为此，要特别注意聚合条件在视图变化后对视图的影响。

既然在“筛选器”面板中直接增加聚合筛选条件会受视图维度的影响，如何绝对指定聚合条件依赖的字段，免于视图层次变化的影响呢？比如要做“客户利润总和大于等于1.5万的客户的探索分析”，希望从年度、类别、细分等多个角度展开分析。这就是“基于特定维度的聚合条件筛选”（Conditional Filters on Fixed LOD），简称“条件筛选器”（Conditional filters），它和第十章讲解的FIXED LOD表达式有相通之处。考虑到它的独特性，这里单独小节介绍。

5．基于特定维度的聚合条件筛选——“条件筛选器”及其特殊形式“顶部筛选器”

在这个类型中，聚合筛选条件依赖的维度字段需要明确指定，通常和视图中的维度不同。比如“仅筛选利润总和大于1.5万的大客户，分析他们在各类别上的销售额和利润总和”。波浪线部分代表分析样本，其中“客户”代表筛选字段，即聚合筛选条件的依据；蓝色代表问题层次，是答案的聚合依据。在样本子句和问题描述子句中，维度和聚合分别位于“的”的两侧。

此类问题的关键要点是，拖曳样本范围中的筛选字段，而非筛选条件。

先创建排序条形图“各类别上的销售额和利润总和”。之后把样本范围对应的筛选字段“客户名称”拖曳到视图中的“筛选器”面板，在弹出的窗口设置“筛选条件”——利润的总和大于15000，如图7-75所示。

图575  创建条件筛选器：独立于视图指定单独层次的聚合条件和筛选

特别注意，聚合筛选条件（SUM([利润])>=15000）的依据是“客户名称”，而视图中销售额、利润聚合的依据是“类别”，二者对应不同的问题层次。因此，条件筛选器的本质是在视图层次之外的层次完成预先聚合和判断，正因为此，它对应第10章Fixed another LOD计算——相对视图指定单独层次的预先聚合。

在“条件筛选器”中，有一种特殊的类型，称为“顶部/底部前N筛选器”，即在聚合的基础上嵌套排名，而后筛选。比如“销售额总和前10名的客户，对应客户的购买频次分别是多少”。 （对应函数RANK(SUM([销售额]))<=N，同时还要Fixed 客户LOD）

在“每个客户的购买频次COUNTD([订单ID])”的条形图中，把筛选字段“客户名称”拖曳到筛选器面板，在弹出的配置窗口选择“顶部”并完成设置即可。如图7-76所示。

图576  顶部/底部筛选器：独立于视图指定单独层次的聚合条件和筛选

诸如“客户名称”的离散维度拖曳到筛选器，对应的筛选条件有四种。如上图5-76左侧所示。 “常规”是单选或多选每一个客户 “通配符”执行模糊条件（比如以“吴”开头的客户名称），“条件”执行基于判断的筛选 “顶部”执行前N或后N的极值筛选。前面两种对应行级别的相等判断，后面两种基于条件，可以按字段聚合，可以按照公式单独聚合。需要特别注意的是，这里可以同时设置多个条件，比如销售额大于10万元且排在前20名的客户，最后取同时满足所有条件的数据。

至此，本书介绍了主要的筛选类型：

新用户可以使用Excel、高级用户可以使用SQL中的筛选对照理解这里的行级别筛选和聚合筛选，如表所示。难度逐步增加，最难的是“聚合筛选—基于特定维度的聚合条件筛选”

筛选类型	实例	Excel	SQL	Tableau
行级别筛选—维度	华北地区中、2020年	数据表明细筛选	where子句	维度
行级别筛选—度量	利润小于0的明细	度量—“所有值“
聚合筛选—基于视图层次	利润总和大于1.5万的客户	数据透视表中，根据“求和项：利润”筛选	having 子句	度量—“总和“筛选
聚合筛选—基于特定维度的聚合条件筛选	仅保留利润总和大于1.5万的客户，查看各类别的利润总和	/	在where中嵌套select having子句	条件筛选器/Fixed LOD计算

6．使用上下文筛选器调整优先级

在所有的维度筛选器中，条件筛选和顶部筛选在业务分析中使用频繁，又由于其优先级高于维度筛选器，因此经常需要“额外照顾”。

比如要分析“西北区域中，销售额排名前10的客户”。很明显，这个问题对应的可视化是“客户的销售额排名”，筛选条件是“西北”地区和客户筛选“前10名”，创建条形图，然后拖入两个筛选字段并设置筛选，结果如图5-77右侧所示。

图577  同时存在顶部筛选和维度筛选两种类型

很明显，只有3个客户，结果不是我们想要的。为什么？我们希望“先做区域筛选，再做客户名称前10筛选”，无形中给两个筛选器定了优先级预设，不过Tableau默认的逻辑正好相反，它是“先做客户名称前10筛选，再从结果中筛选哪几个在西北区域”，所以结果低于10个。

初学者可能会尝试更改两个筛选条件在筛选器中的位置，这个并不起作用，因为筛选器的逻辑顺序是程序设定的，与位置无关。

那怎么办呢？此时就需要请出来大名鼎鼎的“上下文筛选器”能把“地区筛选器”优先级调整到“客户名称”对应的“顶部前10筛选器”之前，从而得出正确的数据。不过要注意，“上下文筛选器”不是通过拖曳字段添加的，而是基于目前筛选器而设置的，如图5-78所示。

图578  上下文筛选器

“上下文筛选器”的英文是Context Filter，翻译为“上下文”，笔者更倾向于用Context的另一个含义来理解——背景筛选器。可视化如同在数据的大幕布上画画，筛选器是一层层的图层，越靠近数据源的优先级越高，通过把筛选器调整为“背景筛选器”，让它更靠近数据源，从而优先执行。

我们的每一个业务问题，都是“分析对象”和“筛选条件”的结合，所以熟练地使用筛选器，不断地缩小分析样本接近关键数据，才能准确地发现数据背后的真谛。

//喜乐君Apr 28, 2021