本课程共七个章节，课程地址：7周成为数据分析师（完结）_哔哩哔哩_bilibili

数据分析思维
业务知识
Excel
数据可视化
SQL
统计学
Python

第四周：数据可视化（P43-P60）

数据可视化之美
常见的初级图表
常见的高级图表
Excel 图表绘制
可视化BI

第四周：数据可视化（P43-P60）

一、数据可视化之美

二、常见的初级图表

（一）图表的基础概念

（二）散点图（变种：气泡图、单轴散点图）

（三）折线图（变种：面积图）

（四）柱形图（变种：直方图、正负比例柱形图、翻转正负比例条形图、堆积柱形图、瀑布图）

（五）饼图（变种：玫瑰图）

（六）漏斗图

（七）雷达图

三、常见的高级图表

（一）树形图

（二）桑基图

（三）热力图

（四）关系图

（五）箱线图

（六）标靶图/子弹图

（七）词云图

（八）地理图

四、Excel 图表绘制

（一）配色

（二）条形图

（三）散点图（辅助线-趋势线）

（四）环形图/旭日图（辅助列的妙用）

（五）漏斗图（辅助列的妙用）

（六）组合图

（七）甘特图（辅助线-误差线）

（八）标靶图/子弹图（辅助线-误差线）

（九）杜邦分析法dashboard

五、可视化BI

（一）BI

（二）餐饮案例

（三）招聘案例

（四）Dashboard的布局和设计

一、数据可视化之美

数据可视化：

目的是让数据更高效
让读者更高效阅读，而不单是自己使用
突出数据背后的规律
突出重要的因素
最后是美观

二、常见的初级图表

（一）图表的基础概念

Dimension（维度）：描述分析的角度和属性，分类数据（时间、地理位置、产品类型等）
Measure（度量）：具体的参考数值，数值数据（元、销量、销售金额等）

（二）散点图（变种：气泡图、单轴散点图）

1. 散点图

2. 气泡图

3. 单轴散点图

客户消费维度（RFM模型）：

消费金额和消费次数的关系
消费金额和最后一次距今消费天数的关系
消费次数和最后一次距今消费天数的关系

客户其他消费维度：

消费金额和消费折扣的关系
消费金额和会员积分的关系
消费次数和会员距离的关系

垂直领域消费维度：

投资金额和投资次数的关系（金融）
最近一次距今消费和使用次数（SaaS）

（三）折线图（变种：面积图）

1. 折线图

2. 面积图

（四）柱形图（变种：直方图、正负比例柱形图、翻转正负比例条形图、堆积柱形图、瀑布图）

1. 柱形图

2. 直方图

3. 其他

（五）饼图（变种：玫瑰图）

1. 饼图

可以理解为环状的柱形图

饼图的类别不宜过多
除了PPT，分析时没啥用
维度：1，度量：1

2. 玫瑰图

（六）漏斗图

（七）雷达图

三、常见的高级图表

（一）树形图

（二）桑基图

（三）热力图

（四）关系图

（五）箱线图

（六）标靶图/子弹图

（七）词云图

（八）地理图

四、Excel 图表绘制

数据可视化从大的概念上来讲主要分为两类：

1. 信息图：一张图读懂xxx

2. 数据图表（分析型）

例：

对安卓和 iOS 两列做二维折线图（插入里）：

因为促销活动提前释放掉了用户的购买力，导致活动结束后的销量会跌到谷底（比平常还低），从而基数变小，后续慢慢的恢复造成的波动就会很剧烈。而 iOS 的表现比较平缓，没有剧烈的大跌，所以后续的上扬也看不太出来，且相比安卓有一定的延后

（一）配色

color.adobe.com

（二）条形图

插入 - 二维柱形图
对全表：开始 - 填充 - 白色
对图表：右键 - 设置绘图区格式 - 无填充 - 边框无线条

（三）散点图（辅助线-趋势线）

例1：

1. 插入 - 散点图

2. 如何通过移动坐标轴的方式将数据划分为四个象限

注意，这里选定一个坐标轴，设定坐标轴值的时候，是移动另一坐标轴
坐标轴值也可以使用数据列的平均值或中位数等

并对数据进行升序排列，最后结果如下：

3. 不同象限赋予不同颜色

右键 - 选择数据 - 添加 - 按照不同的 label 框定区域

最后结果如下：

例2：

添加趋势线：

若点与点之间存在规律性，则 “显示公式” 就可以显示出规律是多少

（四）环形图/旭日图（辅助列的妙用）

旭日图：体现一些类目数据（如一级类目、二级类目）之间的依赖关系

添加辅助列，对以下四列：插入-环形图

（五）漏斗图（辅助列的妙用）

场景一：注重转化结果（有多少人剩下来）

对参与人数列：插入-条形图

对y轴：

辅助列1和辅助列2（只是起填充的作用）的值：

对操作、辅助列1、参与人数、辅助列2：插入 - 二维条形图（第2个：堆积条形图）

点击y轴：设置数据系列格式-坐标轴选项-勾上逆序类别

再把蓝色和灰色部分设置为无填充即可

场景二：表示缺失（在每一步上转化率差了多少）

辅助列3的值：上一步的参与人数－这一步的参与人数
对操作、参与人数、辅助列3：插入 - 二维条形图（第2个：堆积条形图）
点击y轴：设置数据系列格式-坐标轴选项-勾上逆序类别

（六）组合图

例1：

对日期和安卓两列：插入-二维折线图

增加累加列（今天销量与前一天销量的和）：

对二维折线图：右键-选择数据-添加-选择累加列

点击橙色这条线-系列选项-次坐标轴

点击蓝色的线：右键-更改系列图表类型

环比列：

右键 - 选择数据 - 添加 - 选择环比列

将边界的最小值和最大值范围扩大，会使折线变得更加平缓（小技巧）

例2：

插入-二维条形图-堆积条形图
选定蓝色部分 - 次坐标轴
将蓝色部分往右压缩，橙色部分往左压缩：

插入人像：

插入后改成堆积

整体效果如图：

（七）甘特图（辅助线-误差线）

甘特图：项目管理中用来可视化进度

例1：

对项目分解、开始时间、需要天数三列：插入-二维条形图-堆积条形图

对上图：右键 - 选择数据 - 添加：开始时间列 - 水平（分类）轴标签：项目分解列

点击y轴：坐标轴选项 - 逆序类别，再把橙色部分（只是辅助列）改为无填充

点击x轴：

日期趋势线（某天之前的已完成，标记为一个颜色；之后的未完成，标记为另一个颜色）：

添加两列：已完成天数、未完成天数（需要天数－已完成天数）

已完成天数：

对项目分解、开始时间、已完成天数、未完成天数四列：插入-二维条形图-堆积条形图

对图：右键 - 选择数据 - 添加：开始时间列 - 水平（分类）轴标签：项目分解列

逆序 - 灰色部分无填充 - 最小值由44790改为44800

加一条日期线：

再加两个辅助列：

右键 - 选择数据 - 添加：today列

添加次坐标轴（对应一个个的点）：右键 - 选择数据 - today - 编辑 - x选择today，y选择辅助列

对应次坐标轴添加误差线：

点击黄色的那一竖点：图表设计 - 添加图表元素 - 误差线 - 标准误差
点击单个黄色点：标记 - 无填充、无线条

末端样式改为无线端，即可去掉短的横线（水平误差线）

例2：

在不少的项目管理场景中，很多实际并不按原本计划的所进行，导致项目的时间产生变动

使用散点图来绘制误差线（散点图带水平和垂直两种误差线）：

添加辅助列，值为1、2、3、4、5
选择计划开始时间和辅助列：插入-散点图-带直线和数据标记的散点图

右键 - 选择数据 - 添加 - 名称：计划开始时间 - X值：计划开始时间列 - Y值：辅助列 - 确定
双击竖列0123456列，设置坐标轴格式-坐标轴选项-逆序刻度值

右键 - 选择数据 - 添加 - 名称：实际开始时间 - X值：实际开始时间列 - Y值：辅助列 - 确定

点击灰色的线 - 图表设计 - 添加图表元素 - 误差线 - 标准误差
删去垂直的误差线

点击水平误差线 - 方向：正偏差、末端样式：无线端，误差量：自定义

将横线的宽度改为14磅

橙色这条线是“实际开始时间” ，也要在它上面添加误差线，可以与上面已经生成的灰色条形刚好重合，步骤同上，宽度设为8磅

将最开始生成的折线（橙色+灰色的折线）全部设置为无线条

最后结果：

最后再将最左边 “0-6竖列” 依次改为 “ 项目环节” 中的 “策划”、“产品研发”、“测试”、“活动上线”、“活动总结”

（八）标靶图/子弹图（辅助线-误差线）

先拿地区、general、good、excellent四列：插入-二维条形图-堆积条形图，再将颜色都换成灰色系列
右键-选择数据-添加-完成率列
对新增加的完成率列部分：右键-更改图表类型-X,Y(散点图)

添加辅助列：右键-设置单元格格式
对于图中的散点：选择数据 - 对于完成率 - 编辑 - X值：完成率列，Y值：辅助列

但它和地区的条形图并没有完全对应上，因为y轴坐标值的范围没有对应上

图表设计 - 添加图表元素 - 误差线 - 标准误差 - 删去垂直的 - 对于水平的：负偏差、无线端

宽度调为5磅
对于点：标记 - 填充：无填充 - 边框：无线条

怎么添加基准线？

右键-选择数据-添加

图表设计 - 添加图表元素 - 误差线 - 标准误差 - 删去水平误差线
对于垂直误差线：无线端
对于短线中间的点：标记 - 无填充、无线条

最后效果：

（九）杜邦分析法dashboard

杜邦分析法：起源于财务和会计领域（结构化思维，金字塔结构）

原始数据 - 中间数据 - 汇总数据（动态，自动更新，直接引用，三张表之间的互相关联）

对堆叠表做数据透视：

实现两表联动：

条件格式 - 数据条：

切片的过滤作用：数据透视表分析 - 插入切片器 - 月份

环比：值字段设置

看到数据月份之间的变化（趋势图）：插入 - 折线

插入图表：插入-二维柱形图-簇状柱形图

REPT() 函数：把一个文本重复几次

五、可视化BI

导入：你的图表，是原因，还是现象？

数据分析师在地理图上发现A省B省C省的某个指标下跌了，得出这是上个月数据表现不佳的原因。然而，这是现象，具体原因要结合更深的分析：这些省市经济程度如何、人口如何、有何数据共性，这是地理图不会告诉你的 ——> 单一图表的可视化没有意义，三表成虎

（一）BI

BI：多表关联，把很多数据源进行有机结合，形成可视化图表

下载参考：可视化软件之Power BI的安装与下载_笨笨的张小白的博客-CSDN博客_powerbi下载

Power BI 可以分为五个部分：

报表：数据本身是有很多数据来源的，比如用户报表（用户明细，如性别、年龄、注册时间等等），用户行为（销售明细，即什么时间段、花了多少钱、购买了什么商品），商品报表（商品明细，如什么商品、品类、特征等等）
模型：报表组合起来就可以抽象为一个模型，表示什么样的用户在什么时候购买了什么样的商品（可以理解为VLOOKUP，把很多字段关联起来）
数据清洗：空值、异常、错误
可视化图表：趋势 - 折线图，对比 - 柱形图/散点图
Dashboard：多张图表有机结合，才能解释原因，而不是现象

（二）餐饮案例

整个案例最后的效果：

读取数据推荐导入 csv 格式，而不是Excel：

例：不同城市之间的店铺数量

Power BI里，若某个单元格的值发生变化，或增加了行，使用刷新是可以的；但如果新增了列，使用刷新会报错，此时需要重新导入

重新导入后发现 “店铺ID” 字段前有 ∑ 符号，但其实它是一个分类字段，而不是数值字段

再画一个散点图：

此时两个图之间已经可以形成联动（多维分析利器）

可以简单地看出：大城市的店铺评分是趋于优秀的，而一些二三城市的店铺在环境和服务上表现得较为差劲

筛选器：过滤（如有一些恶意的差评情况可以排除）

页面级筛选器：所有dashboard都会有相应变化
报告级筛选器：数据源不会改动

柱形图里有恒定线和误差线：

散点图：

趋势线：回归分析里常用
平均线：可以和象限法相结合

power BI里的多图表联动主要有两点作用：过滤（散点图） & 对比（树形图）

树形图：

选择某个城市后：

如果想使树形图达到过滤的效果呢？即点击某个城市，单纯只显示这个城市的店铺的树形图，而不是将该城市的店铺与全国的店铺进行对比

先点击一下柱形图 - 格式 - 编辑交互

再点击柱形图中的某个城市，发现树形图的效果如下：

点击某图的意思是，该图不再参与进联动中

切片器：

若想同时选择多个城市：

地图图表：

（三）招聘案例

原始数据（6876个）中，一个岗位对应一行数据（哪怕这几个岗位都是一家公司的，也会分为好几行），较为冗余

将公司信息额外建一张表：

去掉重复数据，最后还剩2296个数据：

从而现在，原始数据被拆分为两个表，分别命名为 company0.csv 和 DataAnalyst0.csv

先导入 DataAnalyst0.csv 进 power BI（点击 “转换数据” 去编辑），并做一些数据清洗工作（最后 “关闭并应用”）

将 positionId 和 companyId 改为文本类型
去掉 positionLables 外面的列表和引号（右键 - 替换值）
将 salary 拆分成两列（拆分列 - 按分隔符）

再导入 company0.csv

power BI 只支持一对一、一对多、多对一，解决不了多对多关系

一个公司可能会招多个数据分析师，即一个companyId对应多个positionId（一对多），而在company表里companyId是唯一值，即一个companyId只对应一行明细数据，无重复

而power BI的要求是，在进行关系关联的过程中，必须得有一张表里面的关联值是唯一的

复制某一列

新建列后输入：

提取salary的上限和下限

法1：函数的方法 find() 函数（同Excel）

法2：右键 - 编辑查询 -替换值（k、以上、以下）

最后把两列salary的类型改为整数

针对空值

power BI 里的函数操作只能针对列，不能针对单元格（如下一个单元格为上一个单元格+1等）

第三方可视化图表

第三方可视化图表：Find the right app | Microsoft AppSource

以词云图为例：

一级品类和二级品类（下钻）

下钻的典型应用：

年月日
电商产品一级品类、二级品类
树形图

右击 firstType - 创建层次结构 - 右击secondType - 添加至层次结构

右击“技术”块 - 向下钻取，即可显示技术下的二级类目

展示所有二级类目：

一级类目和二级类目都展示：

（四）Dashboard的布局和设计

主次分明、贴合场景、指标结构

1. 主次分明

2. 贴合场景

who 是谁在使用？
what 用户的目的是什么？监控or分析？
how 用户怎么使用？可以通过后台监控日志观察用户使用哪个BI次数最多，以此改进

3. 指标结构

【第四周：数据可视化】7周成为数据分析师相关推荐

python数据可视化是什么_python3数据可视化是什么?
今天又给大家带来新的词啦,初入python学习的小伙伴可能不是很了解,但是再进阶学习时候,肯定是要遇到的,因为这个也是我们之前阐述过的python学习的必学内容,因此,掌握好这部分内容很重要哦~好啦, ...
Vue常用的组件库大全【前端工程师必备】【实时更新】【移动端、PC端（web端）、数据可视化组件库（数据大屏）、动画组件库、3D组件库】
Vue常用的组件库大全[前端工程师必备] (一)移动端常用组件库 1)Vant ui 2)Cube UI 3)VUX 4) NuTUI 5)Mint ui 6)Varlet UI 7)OnsenUI ...
数据可视化一：Excel数据可视化
数据可视化一:Excel数据可视化目录: 1.直方图: 2.百分比柱形堆积图: 3.折线图: 4.圆饼图: 5.散点图: 1.直方图: (1)直方图:又称质量分布图.柱状图,是一种统计报告图,也是表 ...
数据可视化实验：python数据可视化-柱状图，条形图，直方图，饼图，棒图，散点图，气泡图，雷达图，箱线图，折线图
数据可视化实验:python数据可视化实验8-12:大数据可视化工具-python 目录 1柱状图 2条形图 3直方图 4饼图 5棒图 6散点图 7气泡图 8雷达图 9箱线图 10折线图 1柱状图 ...
康拓普：数据可视化如何让大数据更加人性化？
每天都有海量的数据出现,依靠传统的人工方式去呈现数据价值,可能一辈子都处理不完.我们需要新的软件和技术,去更深入的理解和利用大数据集合.最佳的方法是提高数据可视化的水平.康拓普数据洞察平台,专注于大数 ...
基于echarts 24种数据可视化展示，填充数据就可用，动手能力强的还可以DIY（演示地址+下载地址）
基于echarts 24种数据可视化展示,填充数据就可用,动手能力强的还可以DIY(演示地址+下载地址) 前言演示地址下载地址 Demo示例(部分) 1.总览 2.物流信息展示 3.车辆综合管控平 ...
开发数据可视化，有哪些数据可视化表现形式？
数据可视化是什么? 数据图形可视化,就是用富有色彩.图形的形式来表现数据,让人一眼望去就能概览数据,让数据更直观,让审查数据的工作更人性化. 为什么要用视觉图形来表现数据? 因为数据是无形的,而目前人 ...
【教程】Python科研数据可视化、MATLAB科研数据可视化
在过去的20年中,随着社会产生数据的大量增加,对数据的理解.解释与决策的需求也随之增加.而固定不变是人类本身,所以我们的大脑必须学会理解这些日益增加的数据信息.所谓"一图胜千言", ...
Python数据可视化（处理天气数据）
Python数据可视化(处理天气数据) 从csv文件中导入数据. import csvwith open('sitka_weather_07-2014.csv', 'r') as f:reader = ...
数据可视化系列-01大数据可视化基础
文章目录 1.概述 2.大数据可视化基础 2.1 数据可视化基础知识 1.数据可视化简史: 2.数据可视化是什么: 3.数据可视化的分类: 4.数据可视化流程: 5.数据可视化的意义: 2.2 认识B ...

【第四周：数据可视化】7周成为数据分析师

第四周：数据可视化（P43-P60）

一、数据可视化之美

二、常见的初级图表

（一）图表的基础概念

（二）散点图（变种：气泡图、单轴散点图）

（三）折线图（变种：面积图）

（四）柱形图（变种：直方图、正负比例柱形图、翻转正负比例条形图、堆积柱形图、瀑布图）

（五）饼图（变种：玫瑰图）

（六）漏斗图

（七）雷达图

三、常见的高级图表

（一）树形图

（二）桑基图

（三）热力图

（四）关系图

（五）箱线图

（六）标靶图/子弹图

（七）词云图

（八）地理图

四、Excel 图表绘制

（一）配色

（二）条形图

（三）散点图（辅助线-趋势线）

（四）环形图/旭日图（辅助列的妙用）

（五）漏斗图（辅助列的妙用）

（六）组合图

（七）甘特图（辅助线-误差线）

（八）标靶图/子弹图（辅助线-误差线）

（九）杜邦分析法dashboard

五、可视化BI

（一）BI

（二）餐饮案例

（三）招聘案例

（四）Dashboard的布局和设计

【第四周：数据可视化】7周成为数据分析师相关推荐

最新文章

热门文章