===== 摘要 ===== 可视化效果（或视觉对象）是由 Power BI 设计人员生成的一种图表。 PowerBI 提供了我们日常 PPT/Excel 里的大部分常用图表： {{:bi:3.自助分析:what_is_cube_006.png|}} 本章通过一些样例，帮助大家了解可视化组件的应用及格式设置的方法。在开始操作之前，我们复习一下在数据集里讲到的这个面板的页签功能： * {{:bi:3.自助分析:dataset_in_pbi_011.png|}} 字段：这里用以设置、拜访字段的位置和顺序；如透视表行与列的字段，散点图 X/Y 轴分别用哪个字段显示等； * {{:bi:3.自助分析:dataset_in_pbi_012.png|}} 格式：在可视化的组件和字段选择好后，在这个页签对显示的格式和样式做调整，如颜色、字体、条件格式等； * {{:bi:3.自助分析:dataset_in_pbi_013.png|}} 分析：这在少部分可视化组件才会出现，如显示趋势线等； ===== 组件介绍与使用方法 ===== Power BI 提供了一系列现成的可视化效果选项，直接显示在“可视化效果”窗格中。 选择要以可视化效果显示的字段时，可以尝试使用所有不同的可视化效果类型，以便找到最符合需求的一种。 === 表格 === {{:bi:3.自助分析:pasted:20211108-121443.png?150}} \\ **表** \\ \\ 表是以逻辑序列的行和列表示的包含相关数据的网格。 它还包含标头和合计行。 表格可以进行数量比较，可以在其中查看**单个**类别的多个值。 在以下情况下选择表是不错的选择： * 若要查看并比较详细数据和精确值。 * 若要以表格格式显示数据。 * 若要按类别显示数值数据。 例，查看办事处下SV和业代负责的客户清单： \\ {{:bi:3.自助分析:pasted:20211104-170224.png?600*400}} \\ **矩阵** \\ \\ 矩阵视觉对象是一种支持**渐变布局**的表视觉对象类型，类似于excel中的数据透视表。 表支持两个维度，但使用矩阵，可以更轻松地**跨多个维度**有目的地显示数据。 通常，报表设计器在报表和仪表板中包括矩阵，以便可以选择矩阵中的一个或多个元素（行、列、单元格）以在报表页上交叉突出其他视觉对象。矩阵自动聚合数据，并能够实现向下钻取数据。 Power BI 呈现矩阵视觉对象的方式与数据透视类似，行值在左侧，列值在顶部，数据在右侧。\\ 例，查看新品报告中的数据： \\ {{:bi:3.自助分析:pasted:20211201-114946.png?600}} == 小练习 == 我们先回顾一下如何连接数据及并拖出简单的数据： \\ - 新建报表，连接“订单明细”数据集 \\ {{:bi:3.自助分析:pasted:20211201-101331.png?600|}} \\ \\ {{:bi:3.自助分析:pasted:20211201-101502.png?600}} \\ \\ - 拖拉维度“大区”、维度“年月”、度量“下单箱数” \\ {{:bi:3.自助分析:pasted:20211109-145404.png?600|}} \\ \\ **下面正式进入练习部分：** \\ \\ **表** \\ 1. 拉出办事处的Compass订单箱数（使用 “完成箱数” 字段） \\ 2. 拓展-应用"筛选器"：筛选出某一个办事处的完成箱数 **矩阵** \\ 1. 在“表”的基础上，增加日期“年月”，拉出办事处每个月的Compass订单箱数 \\ 2. 拓展-格式“列标题-渐变布局” === 柱状图 === Power BI 具有各种条形图和柱形图可视化效果，这些效果以堆积或簇状格式呈现不同类别的特定数据。 {{:bi:3.自助分析:pasted:20211108-121628.png?150}} **条形图 vs 柱状图** 柱状图和条形图的数据结构都是由「一个分类字段+一个连续数值字段」构成。当数据记录数不多，分类字段的字符长度较短时，柱状图和条形图可以互换。 例，查看按月份的销量箱数趋势：\\ \\ 条形图: \\ {{:bi:3.自助分析:pasted:20211201-153703.png?600}} \\ \\ 柱状图: \\ {{:bi:3.自助分析:pasted:20211201-140739.png?600}} **不同点：** **柱状图：**若分类字段是[年月]等时间，建议使用柱状图，因为柱状图能更好地体现数据随时间的变化情况。 **条形图：**若分类字段的字符较长，且数据较多时，建议使用条形图。 例，查看所有600ml的产品Compass订单箱数：由于产品名称较长，柱状图（下图左）显示下图形美观度和使用友好性都不如条形图（下图右）。 \\ {{:bi:3.自助分析:pasted:20211108-145126.png?600}} **簇状图 vs 堆积图 vs 百分比堆积图** 簇状图、堆积图和百分比堆积图：适合于表达相同分类不同组别的数据，或者相同组别不同分类的数据，简而言之，就是根据一个相同变量的不同分组进行数据表达。 **不同点：** **簇状图：**着重对比不同分类之间的数值差异。例，签约门店vs非签约门店销量： \\ {{:bi:3.自助分析:pasted:20211201-153132.png?600}} **堆积图：**既可以对比各构成部分的数值差异，还可以观测各组数据的整体差距。例，签约门店vs非签约门店销量及每月整体销量情况：\\ {{:bi:3.自助分析:pasted:20211201-153359.png?600}} **百分比堆积图：**只能对比整体中的各构成部分的占比差异，无法对比不同整体的差异。例，签约门店vs非签约门店销量占比情况：\\ {{:bi:3.自助分析:pasted:20211201-153048.png?600}} == 小练习 == 1. 在“矩阵”的基础上，切换到"簇状柱状图"，查看每个月的Compass订单箱数分布 \\ 2. 使用“簇状条形图”，查看每个城市Compass订单箱数分布 \\ 3. 拓展-增加“图例”：查看办事处下"产品口味"的订单销量 \\ 4. 使用“百分比堆积条形图”，查看1-12月中星期几的销量相对占比最大 === 折线图 === 折线图和面积图可视化效果有助于呈现随时间变化的趋势。 {{:bi:3.自助分析:pasted:20211108-161130.png?150}} **不同点：** **折线图：**通过数据点的纵坐标来映射数值的大小，一般只用来表示数据的趋势。 **面积图：**通过面积来映射数值的大小，面积图强调更改随时间变化的幅度、不同分类直接的差距。 例，2021年1L装青柠水蜜桃Compass销量趋势，从折线图（下图左）中可以看到两种口味在今年的销量趋势情况，而面积图（下图右）中除了可以看到两种产品趋势，更能关注到两种口味的销量差距对比： {{:bi:3.自助分析:pasted:20211108-164739.png?600}} == 小练习 == 1.展示2021年每个月的销量趋势 \\ 2.拓展-增加不同渠道的图例 === 散点图 === 散点图也叫 X-Y 图，它将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度: {{:bi:3.自助分析:pasted:20211108-165152.png?150}} \\ 在不考虑时间的情况下比较大量数据点时，“散点图”可视化效果非常有效。 散点图显示两个值轴：一组数值数据沿水平轴显示，另一组数值沿垂直轴显示。 此图表显示 X 和 Y 数值交集处的点，并将这些值组合到单个数据点中。 这些数据点可能会在水平轴上均匀分布或不均匀分布，具体取决于数据。 可设置数据点的数目，最大值为 10,000 个。 散点图还允许： * 显示两个数值之间的关系。 * 将两组数字绘制为一系列 x 和 y 坐标。 * 将水平轴变为对数刻度。 * 显示包含值对或值组的工作表数据。 * 显示大型数据集中的模式，例如显示线性或非线性趋势、剧集和离群值。 * 在不考虑时间的情况下比较大量数据点。 散点图中包含的数据越多，比较结果就越好。 {{:bi:3.自助分析:pasted:20211108-185228.png?600}} == 小练习 == 查看办事处下单箱数与下单客户数的关系 === 饼图 === 饼图与环形图，通过将数据划分为片段来显示部分与整体之间的关系，适用于说明百分比，占比等数据。 {{:bi:3.自助分析:pasted:20211108-170016.png?150}} **不同点：** 饼图是一个实心圆，而环形图的中心为空白，为标签或图标留出空间。 例，每个渠道的客户数量占比，上-饼图，下-环形图 \\ {{:bi:3.自助分析:pasted:20211201-171450.png?600}} {{:bi:3.自助分析:pasted:20211201-171544.png?600}} == 小练习 == 1. 查看2021年6月各渠道的（字段-主渠道描述）的Compass订单分布 \\ 2. 拓展-“多行卡”：显示每个月TT渠道的Compass订单销量 === 树状图 === “树状图”可视化效果将数据显示为一组嵌套的矩形。 层次结构的每个级别都由包含更小的矩形（叶）的彩色矩形（枝）表示。 每个矩形内的空间根据要度量的值进行分配。 矩形按从左上（最大）到右下（最小）的顺序排列。 \\ {{:bi:3.自助分析:pasted:20211108-173649.png?150}} “树状图”非常适合可视化以下内容： * 大量有层次结构的数据（当条形图无法有效地处理如此大量的值时）。 * 每个部分与整体之间的比例。 * 层次结构的每个类别层中度量值的分布模式。 * 属性，使用大小和颜色编码。 * 识别模式、离群值、最重要的参与者和异常。 例，每个省份的客户数量分布，颜色深浅为对应的Compass销量情况 \\ {{:bi:3.自助分析:pasted:20211201-171231.png?600}} == 小练习 == 1. 切换到“树状图”，查看每个月按产品口味的Compass订单分布 \\ 2. 拓展-设置“数据颜色-高级控件”：设置按照“下单箱数”显示颜色深浅的树状图 === 地图 === Power BI 与必应地图集成以提供默认的地图坐标（此过程称为地理编码），让你可以创建地图。 集成后，使用算法来确定正确的位置；但有时这只是一个尽力而为的猜测结果。 \\ {{:bi:3.自助分析:pasted:20211108-173120.png?150}} Power BI 有两种不同类型的地图可视化效果：一种是气泡图（下图左），它在地理位置点上放置气泡，用于将分类和定量信息与空间位置相关联；一种是形状图（下图右），它显示要可视化的区域轮廓，使用颜色来显示地理区域的相对比较。 {{:bi:3.自助分析:pasted:20211108-183607.png?600}} == 小练习 == 1. 展示按城市的下单箱数的地图分布-气泡&图形 \\ 2. 拓展-根据下单客户数显示颜色深浅 === 卡片 === {{:bi:3.自助分析:pasted:20211108-173140.png?150}} **卡片 vs 多行卡** 卡片图显示单个事实、单个数据点。 有时在 Power BI 仪表板或报表中想要跟踪的最重要的信息就是一个数字，例如总销售额、同比市场份额或商机总数。 多行卡片显示一个或多个数据点，每行一个。 例，显示总销量（下图左），显示分大区的销量（下图右）：\\ {{:bi:3.自助分析:pasted:20211108-173355.png?600}} == 小练习 == 1. 展示2021年1月到MTD，TT渠道的Compass 总下单销量（箱数） \\ \\ 2. 调整卡片视觉对象的大小： * 单击并拖动视觉对象边框以调整卡片视觉对象的大小，或者可以选择“格式/油漆滚筒”导航图标以更改“常规”属性中的“宽度”和“高度”值 \\ \\ 3. 拓展-设置卡片视觉对象的格式: * 在“格式/油漆滚筒”属性中，展开“数据标签”属性，然后单击“颜色”属性旁边的“Fx”符号，以基于数据标签值应用条件格式 * 在“颜色”窗口中，将“格式设置依据”下拉列表更改为“规则” * 输入规则：大于等于最小值且小于等于 10,000。 然后使用下拉列表应用颜色“红色” * 单击“确定” === 筛选器 === 在Power BI中，可以通过页面筛选器和切片器进行筛选，两者是可获得相同结果的两种不同方法。 \\ {{:bi:3.自助分析:pasted:20211108-174353.png?300}} **筛选器** {{:bi:3.自助分析:pasted:20211108-174924.png?150*300}} 筛选器应用有以下三类： - 对"此视觉对象"进行筛选：指对当前选中的单个视觉对象进行筛选 - 对"此页上"进行筛选"：指对此页上所有视觉对象进行筛选 - **效果与切片器一致** - 对"所有页面"进行筛选：指对整个文件的所有页的所有视觉对象进行筛选 **切片器** {{:bi:3.自助分析:pasted:20211108-173823.png?150}} \\ 切片器是可以用于筛选页上的其他视觉对象的独立图表。 切片器有许多不同格式（类别、范围、日期等），可以进行格式设置以便可以选择仅仅一个、许多或所有可用值。 例，对年月进行选择 \\ {{:bi:3.自助分析:pasted:20211105-114300.png?150*300}} **不同点：** 筛选器：配置高级筛选器类型（如“前 N 项”）或允许使用更复杂的表达式，例如“包含”、“不包含”、“为空白”等。 切片器：可以将切片器放在报表页面上的任意位置，以生成直观的布局，高度可配置以实现所需的功能和样式。 == 小练习 == 1. 在页面上增加“切片器”，选择客户“主渠道描述”为“A-现代渠道”，只查看每个月Compass订单趋势与产品口味销量对比 \\ 2. 拓展-调整“切片器选项”：调整为可供多选 \\ 3. 使用“筛选器”，对“此页上的所有组件”应用选择客户“子渠道编码”为“A11”的每个月Compass订单趋势与产品口味销量对比 \\ 4. 拓展-筛选出Top 5 销量的产品口味 ===== 总结 ===== 本章内容帮助大家了解了 * 常用可视化组件的应用及数据设置方法 * 可视化组件的组合使用 * 格式调整的技巧 * 切片器的应用 通过以上对Power BI中常用的可视化组件的介绍和小练习相信大家已经对Power BI中的可视化组件使用有了一点心得，在选择使用不同的可视化组件时，大家需要明确需要突出什么不同目的，包括数据的连贯性、差异性还是特殊性，这部分的能力搭建可以通过日常工作的积累或阅读来实现。推荐大家可以阅读//《数据之美》-邱南森 (Nathan Yau)// ---- [[bi:3.自助分析|<<回到自助分析首页]] \\ [[bi:1.平台概览|<<回到目录]]