我们从数据中导入纬度和经度，并以房东姓名作为标签，将这些房源绘制在地图上。
将数据点添加到Tableau后，我们得到了一张希腊地图，但需要对其进行优化以提升可读性。
第三步：应用筛选条件 🔍
接下来，根据我们的分析标准，筛选掉不需要的房源。
以下是具体的筛选步骤：
筛选房源数量：将结果范围缩小到仅包含拥有超过40套出租房源的房东。我们可以使用数据集中名为
calculated_host_listings_count的列来实现，将数值限制为仅大于40的值。筛选价格：我们的标准包括价格在90到250之间的房源。应用此筛选后，房源数量变得更容易管理。
筛选评论数量：我们只想保留拥有大量评论的房源。“大量”是一个相对概念，因此我们使用百分位数筛选器，仅显示总评论数排名前50%的房源。
应用这些筛选后，我们得到了一个合理数量的数据点。
第四步：优化与美化图表 🎨
现在，我们需要让图表更易于理解。
为此，我们添加一个标题，并为每个房源的房东添加颜色编码。同时，我们还为每个房源添加了价格标签。
此时，我们得到了一个符合标准的、可用的可视化图表。这是一个成功的初版。
然而，如果我们希望将此可视化图表用于正式演示，就需要确保其可访问性。
以下是优化可访问性的步骤：
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/7c7cd522ed2fa3922aec6cb5736f4fa8_2.png
在图下方添加描述性标题。
将标记点略微缩小，以便显示更多的价格标签。
确保所使用的颜色对色觉障碍人士友好。
经过这些调整，我们得到了最终的可视化结果。
总结与核心要点 💡
本节课中，我们一起学习了数据可视化的生命周期。
可视化的目标是满足受众的需求。在我们的案例中，你通过雅典地图成功分享了出租房源房东的地理位置信息。
但需要记住，设计可视化是一个多步骤的过程。即使完成了一个可视化图表，有时也可能需要更新它。例如，如果应用程序的业务团队决定需要不同的数据显示方式，或者你想按社区查看房源列表，就需要更新可视化方案。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/7c7cd522ed2fa3922aec6cb5736f4fa8_4.png
这里的要点是，最终的可视化结果可能并不总是完全符合业务需求。进行调整和修正错误，是整个过程中不可或缺的一部分。关键在于保持迭代思维，根据反馈和新的信息不断优化你的可视化作品。
031：Tableau实操第一部分 📊
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/11b42d8f32f30029b48ac8ac778fd572_0.png
在本节课中，我们将学习如何登录并使用Tableau Public的免费在线版本，构建基本的数据可视化图表，并理解不同图表类型的适用场景。我们将以NOAA闪电数据集为例，逐步创建折线图、条形图等可视化作品。
我们讨论了Tableau的强大功能和实用性。现在，准备登录并尝试使用它。
我们将讨论如何访问免费的在线版Tableau Public，构建基本的数据可视化，并理解何时使用各种图表。你可能在谷歌数据分析证书课程中记得其中一些概念，可以回顾该课程以快速复习。
访问Tableau Public时，其界面可能与本视频中显示的不同。请记住，Tableau Public可能已更新其用户界面。这应该不是问题，因为您遵循的步骤几乎相同。
首先，访问Tableau Public网站，这是您可以从浏览器访问的免费在线版Tableau。
登录您的Tableau Public账户。
接下来，您需要在Tableau Public中访问一个新的数据源。本视频我们将再次使用NOAA闪电数据集。
在Tableau Public主页上，选择“创建可视化”，然后使用为您提供的文件从计算机上传数据源。
数据上传后，您将被重定向到Tableau的数据源界面。数据集分为四列：日期、闪电次数、X坐标和Y坐标。这些字段名称的上方或旁边有符号，代表数据集中包含的数据类型。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/11b42d8f32f30029b48ac8ac778fd572_2.png
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/11b42d8f32f30029b48ac8ac778fd572_0.png
日期列有一个日历图标，闪电次数列有一个井号（#）表示数值列，纬度和经度（即X和Y坐标）则有地球图标。
界面上还有代表新工作表、新仪表板和新故事的选项卡。创建一个新工作表。
Tableau Public中的工作表是一个数据页面，包含数据可视化的单一视图。新工作表除了数据列外是空白的。
工作表的数据源字段已预加载了我们在数据源页面识别的列标题。一条细线将列表分为两部分，这指示了数据类型以及数据是离散的还是连续的。
Tableau将所有数据字段分为两大类数据类型：维度和度量。您可以根据Tableau分配给每个字段的图标来区分它们。
维度是用于分类和分组数据以揭示其细节的定性数据值。度量是可以聚合或用于计算的数值。
Tableau工作表数据选项卡中维度和度量列表的绿色和蓝色表示另一个方面。绿色表示数据字段是连续的。蓝色表示字段是离散的。
术语“连续”是一个数学概念，表示度量或维度具有无限且不可数的结果数量。“离散”也是一个数学概念，表示度量或维度具有有限且可数的结果数量。
通过这些定义，我们甚至可以在将数据绘制到图表之前就了解数据字段列表。
😡 请记住，Tableau可能会分配错误的数据类型。如果数据类型与其标签不匹配，您始终可以通过右键单击数据字段将数据从度量更改为维度，或从离散更改为连续。
上一节我们介绍了Tableau的数据类型和界面基础，本节中我们来看看如何创建第一个可视化图表：折线图。
折线图对于呈现时间序列数据或跟踪不同时间段内数据值的变化非常有用。
首先，将“日期”字段拖放到列功能区。在显示的弹出窗口中，您可以选择不同的时间片段。对于此图表，选择“年”。
接下来，将“闪电次数”字段拖放到行功能区。您现在就有了一个折线图。
现在，您知道了如何创建折线图。接下来，我们将创建一个条形图。
当您想要比较不同时间段的数据时，条形图非常有用。首先，使用工具栏复制您的工作表到新工作表。
在新工作表中，打开“标记”卡的下拉菜单，选择“条形”。更改数据可视化类型就是这么简单。
😡 接下来，让我们创建一个条形图来比较两个数据集。
转到“筛选器”选项卡并编辑筛选器。勾选2009年和2018年，其他年份保持未勾选状态。您将看到2009年和2018年闪电总次数的比较。
接下来，通过将“闪电次数”拖到“标记”卡中名为“标签”的方框上，为每个条形添加标签。
现在我们知道2009年和2018年闪电次数的确切差异了，分别是3010万次和4460万次。
对于最后一个可视化，让我们按季度比较2009年和2018年的数据。首先，再次复制工作表。😡
将“日期”拖到列功能区。Tableau会自动将季度添加到堆叠条形中，为两年划分出Q1、Q2、Q3和Q4。
为了使每个季度的并列比较更加突出，将“日期”拖到“标记”卡中的“颜色”方框上。颜色将根据年份进行调整，2009年使用原始颜色，2018年使用不同颜色。
您可以保持图表原样，或者点击下拉箭头并选择“季度”。现在，季度通过不同颜色进行分段。要确定配色方案，请决定您是想突出季度之间的差异还是年份之间的差异。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/11b42d8f32f30029b48ac8ac778fd572_4.png
您开始发现Tableau有多么有用了。通常，数据专业人员将Tableau用于他们的探索性数据分析工作，因为它能帮助他们快速创建数据可视化。很快，您也能做到这一点。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/11b42d8f32f30029b48ac8ac778fd572_4.png
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/11b42d8f32f30029b48ac8ac778fd572_6.png
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/11b42d8f32f30029b48ac8ac778fd572_6.png
本节课中我们一起学习了如何访问Tableau Public、理解其数据分类（维度与度量、连续与离散），并动手创建了折线图和用于比较分析的条形图。通过这些基础操作，您已经迈出了将原始数据转化为直观洞察的第一步。
032：Tableau实操第二部分
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/d362c09cc981c4ef87da58aa4360f087_0.png
在本节课中，我们将学习如何在Tableau Public中创建更复杂的数据可视化图表，包括热力图、箱线图和直方图。我们还将学习如何在可视化设计中输入计算和编写代码。
🗺️ 创建地理地图
上一节我们介绍了Tableau的基础操作。本节中，我们来看看如何利用经纬度数据创建地理地图。
首先，在Tableau Public中新建一个可视化，并上传NOAA闪电数据集。数据源页面包含日期、经度、纬度和闪电次数等列。
打开一个新的工作表以创建地理地图。这需要Tableau能用来绘制点的经纬度数据。
将“经度”从数据列表拖拽到“列”字段区域。
将“纬度”拖拽到“行”字段区域。
现在，我们得到了一张基础地图。接下来，过滤数据以减少需要处理的数据点。
将“日期”拖拽到“筛选器”区域，并从下拉菜单中选择“年”。
配置筛选器，仅选择2018年。
然后，使用颜色渐变来帮助区分地图上闪电密集区域和分散区域。
将“闪电次数”拖拽到“标记”卡下的“颜色”框中。
在“标记”卡的下拉菜单中，确保“密度”被选中。
此时地图效果更佳。默认颜色是蓝色，浅蓝色表示闪电较分散，深蓝色表示2018年闪电较密集的区域。要更改颜色，点击颜色方块，将其从“自动”更改为其他选项。可以尝试一两种，并考虑哪种颜色方案对你和可能有视觉障碍的观看者来说最易读。
🔥 创建热力图
在之前的视频中我们讨论过，热力图是一种用两种颜色描绘实例或一组数值大小的数据可视化。
要在Tableau Public中创建热力图，你需要一个或多个维度或一两个度量来开始。
将“日期”拖拽到“行”字段，并选择“年”。
需要创建一个从日期字符串中提取月份的计算字段。在“日期”下拉菜单中，点击“创建”并选择“计算字段”。
在弹出的窗口中，为计算字段命名，例如输入“月份”。
使用
LEFT函数从“日期”列的字符串中提取月份名称的前三个字母。公式为：LEFT(DATENAME('month', [Date]), 3)。点击“确定”。
现在，左侧数据列表中会出现一个新字段。
将新建的“月份”字段拖拽到“列”字段区域。
将“闪电次数”拖拽到“标记”卡下的“颜色”方块中。确保在“标记”卡下拉菜单中选中了“方形”。
现在你得到了一个热力图。与密度图类似，此热力图的默认颜色也是蓝色。你可以根据需要调整热力图的颜色范围。创建可视化时，请记住考虑可访问性。
📦 创建箱线图
从之前的视频中你会记得，箱线图是一种描绘数据四分位数内数值组的集中趋势、离散程度和偏态的数据可视化。
你已学过如何在Python中创建箱线图。要在Tableau Public中创建箱线图：
首先将“日期”拖拽到“行”字段区域。
然后将“闪电次数”拖拽到“列”字段区域，并选择“年”。
如果Tableau没有默认显示箱线图，在“标记”卡的下拉菜单中选择“圆”，然后滚动到“智能显示”选项卡，选择“盒须图”。
目前看到的内容不多，只是一条细线数据点。然而，一旦你将“日期”拖拽到“标记”卡下的“详细信息”方块中，并选择“天”，箱线图就会完整地显示出来。
对于箱线图，大多数数据专家会为中位数和均值添加参考线或注释以便展示。当然，你也可以使用“标记”卡下的“颜色”和“大小”方块来更改此箱线图中圆的颜色和大小。
📊 创建直方图
我们要创建的最后一个复杂图表是直方图。直方图是一种近似表示数据集中数值分布情况的数据可视化。
要创建直方图，首先需要创建数据桶。“数据桶”是Tableau术语，指数据值可以被分组进去的自定义数据段。数据桶是直方图的重要组成部分，因为分组决定了数据如何被分割和比较。
对于闪电数据直方图，需要将闪电总次数分组到数据桶中。
点击“闪电次数”的下拉箭头，选择“创建”，然后选择“数据桶”。
可以为数据桶命名，然后确定其大小。如果选择大小为50，则每50次闪电会有一个数据桶，1到50之间的任何值都将包含在该桶中。
由于有数百万个闪电次数值，你应该选择一个介于5到10之间的数字作为桶大小。这将更详细地显示数值的分布。
接下来：
将新建的数据桶字段拖拽到“列”字段区域。
将“闪电次数”拖拽到“行”字段区域。确保行中的“闪电次数”是计数（CNT）而不是求和或平均值，这表示每个数据桶的实际计数。
为了获得更多细节，将“闪电次数”拖拽到“筛选器”区域，并将数值限制在1到200之间。
将“闪电次数”拖拽到“标记”卡下的“标签”方块中。确保它设置为“计数”。
你可以调整颜色以使数据可视化更易于访问。
🎯 总结
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/d362c09cc981c4ef87da58aa4360f087_2.png
本节课中，我们一起学习了在Tableau Public中创建四种复杂的数据可视化：地理地图、热力图、箱线图和直方图。我们掌握了如何利用数据字段、筛选器、颜色标记以及创建计算字段和数据桶来构建这些图表，并始终考虑了图表的可访问性。
接下来，你将学习如何创建一系列用于演示的数据可视化。我们下节课再见。
033：探索数据的可能性 🔍
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/7ce2ab2af11a15d9d057d7b7ff3d4719_1.png
在本节课中，我们将跟随谷歌预测建模专家德鲁，学习如何从理解数据开始，逐步深入分析，并最终将数据洞察有效地传达给客户。课程将涵盖探索性数据分析的重要性、从数据思维到客户思维的转变，以及有效沟通数据洞察的策略。
从会计师到数据分析师：我的旅程
上一节我们介绍了课程概述，本节中我们来听听德鲁的个人经历。德鲁最初学习并从事了约七年的会计工作。在金融领域工作的人通常非常擅长使用Excel，德鲁也不例外。他不断提升自己的Excel技能，并开始接触各种公式。对公式的深入探索引导他走向了编程，而编程又将他引向了数据分析领域。
探索性数据分析：一切的基础
在掌握了基本工具后，数据分析的第一步至关重要。探索性数据分析是数据科学的一切基础。在不首先理解数据的情况下，你无法进行任何分析。
以下是进行探索性数据分析的关键步骤：
首先，你需要深入数据，真正理解每一个变量是什么。
其次，观察数据的分布情况。
然后，查看初步的相关性。
在完成这些基础工作后，你可以开始进行更深入的分析，例如建立解释性模型，以研究更长期的相关性以及多个变量之间的多重相关性。
案例研究：洞察的价值
理解了数据分析的基础后，我们通过一个实际案例来看看洞察如何产生价值。德鲁记得一个与客户合作的项目，该客户在“独占媒体”上投入了大量资金。这种媒体形式需要巨额投资，其效果是在一天内屏蔽所有其他竞争对手的媒体曝光，让用户注意力集中在该客户身上。
然而，分析发现，“独占媒体”的投入与最终的转化率之间并没有明显的反应关系。因此，团队需要向客户传达这个发现。他们的做法是，首先找出客户可能提出的所有潜在反对意见。在获得这些输入后，团队构建了一个叙事方式。这个叙事不是简单地否定客户当前的做法，而是具有建设性的，并为客户指明了前进的方向。
传达数据洞察：从数据思维到客户思维
从上述案例可以看出，仅仅有分析结果是不够的。在传达数据相关的信息时，从数据思维转向客户思维至关重要。你需要将数据分析中学到的见解，与客户实际能如何运用这些见解结合起来。
以下是一些有效的沟通策略：
使用可视化：我们大量使用视觉化工具，尝试融入那些既简洁又能有效传达信息的图表。
运用幽默：幽默是吸引人的好方法，它能让信息更令人难忘。
讲述个人故事：个人故事能帮助你快速向他人传达观点。
德鲁的一位教授曾告诉他，你只有大约30秒的时间与人有效沟通，之后他们就会停止集中注意力。因此，你需要确保在这段时间内让他们记住关键信息，明确要点，并就如何利用你呈现给他们的数据，提出非常简洁的后续步骤。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/7ce2ab2af11a15d9d057d7b7ff3d4719_3.png
本节课中，我们一起学习了数据分析的完整流程：从通过探索性数据分析理解数据本身，到深入分析发现洞察，最后关键的一步是站在客户的角度，运用可视化、幽默和个人故事等技巧，清晰、有建设性地传达这些洞察，并推动后续行动。记住，将数据转化为可行的洞察，才是分析的最终目的。
034：用Tableau打造引人入胜的故事 📊
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/a59a91f20f68b063e219d26be82dd2ea_0.png
在本节课中，我们将学习如何将一系列数据可视化图表组织起来，构建一个连贯、有说服力的数据故事。数据专业人员经常需要展示数据，而分享和讨论数据可视化是讲述数据故事的重要组成部分。
概述
通过本教程，你将创建一个系列的数据可视化图表，它们将共同讲述一个关于美国闪电活动的故事。这种方法能引导观众从一个概念过渡到下一个，并在展示每个图表时逐步构建背景信息。
首先，让我们设想一个场景。假设你为一家组织工作，该组织希望了解更多关于美国闪电活动的情况。他们要求提供一系列数据可视化图表，用以说明闪电活动随时间增加的趋势，并详细展示德克萨斯州、俄克拉荷马州和堪萨斯州三个州的闪电数据。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/a59a91f20f68b063e219d26be82dd2ea_2.png
创建可视化图表后，你需要与组织的董事们分享。考虑到观众，你可以开始着手准备。你需要考虑在系列中组织和呈现数据可视化的三种策略。
组织数据可视化系列的三种策略
以下是组织和呈现数据可视化系列的三种核心策略。
时间顺序法：这种方法适用于最好以时间序列理解的数据。
从一般到具体法：这种方法帮助观众在了解问题如何影响他们之前，先考虑问题本身。
从具体到一般法：这种方法有助于强调数据在更广泛范围内可能产生的影响。
选择策略
让我们选择一种方法。时间顺序法或时间序列法对于考虑随时间变化的数据最有帮助。但这没有解决请求中的一个重要方面：可视化三个特定州的闪电数据。
采用从具体到一般法，演示的高潮将聚焦于整个美国，而不是德克萨斯州、俄克拉荷马州和堪萨斯州的闪电活动，这不符合组织的需求。
从一般到具体法可以让你先说明全国范围内闪电活动的增加，然后再展示每个州的具体数据。你可以先突出全国趋势，再聚焦于德克萨斯州、俄克拉荷马州和堪萨斯州的闪电数据。这符合组织的需求，因此从一般到具体法是最佳选择。
设计可视化图表
在开始设计可视化图表之前，你需要在Tableau Public中创建三个不同的工作表。这些工作表将在Tableau Public中构成一个故事。故事是Tableau中的一个术语，指一组组合成演示文稿的仪表板或工作表。
对于第一个工作表，你将创建一个折线图，显示从2009年开始闪电活动呈上升趋势。
对于第二个工作表，你将展示闪电活动最多的区域已从美国东海岸转移到中南部大陆。
对于第三个工作表，你将展示2018年德克萨斯州、俄克拉荷马州和堪萨斯州的闪电次数（这是有完整数据的最后一年）。
这三个工作表将构成故事从一般到具体的组织结构。
在Tableau Public中创建图表
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/a59a91f20f68b063e219d26be82dd2ea_4.png
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/a59a91f20f68b063e219d26be82dd2ea_5.png
让我们打开Tableau Public并开始设计。首先，一如既往地上传你的数据源。
创建折线图（全国趋势）
在第一个工作表中，我们将创建展示全国闪电活动趋势的折线图。
对于“列”字段，拖入“日期”（这是一个离散维度），并为其选择“年”。
对于“行”字段，将“闪电次数”度量添加到该字段。
此时应出现一个折线图。如果没有，请打开“显示我”选项卡并找到“线（离散）”选项。你会注意到这条线从2009年开始稳步上升。
接下来，我们将使数据可视化更易于解读。例如，为折线图添加两个注释。
首先，在图表的起点添加“2009年：3010万次闪电”，为观众提供一个清晰的起点。
然后，在相应位置添加“2018年：4500万次闪电”。
创建地理数据可视化（区域转移趋势）
现在，让我们创建一个地理数据可视化。由于我们希望从一般进展到具体，展示几十年来闪电活动向西移动的趋势非常重要。
为此，我们需要创建一个时间序列地图，显示自2009年以来美国每年闪电活动的位置。
在新工作表中，将X坐标放入“列”字段，将Y坐标放入“行”字段。这将创建一个聚焦于美国东部和中部的映射图。如果你看到的仍然是折线图，请确保X和Y坐标都标记为连续。
获得地理地图后，单击X和Y坐标的下拉菜单，选择“度量”，然后选择“平均值”。这将为我们提供美国每年平均闪电次数的可管理视图。
接下来，将“日期”离散维度添加到“筛选器”和“页面”字段。为筛选方法选择“年”。“筛选器”字段允许我们创建一个动态筛选器，可用于选择仅一年的闪电数据。“页面”字段可以为每一年创建闪电活动的独特快照或页面。
最后，将“闪电次数”添加到“详细信息”字段。
显示闪电活动位置的地图已经全面，我们只需要为其添加交互部分。将“年”维度放在“页面”和“筛选器”字段中，你可以在数据可视化旁边设置交互式图例，这些图例允许用户自行选择他们希望查看的年份。
创建州级数据快照（具体数据）
我们已经完成了演示所需的三个工作表的前两个。最后要创建的是三个中最具体的可视化：2018年德克萨斯州、俄克拉荷马州和堪萨斯州的闪电活动快照。
为此，我们将创建三个新的工作表，每个州一个。然后，我们将把三个快照放入一个仪表板中。我们将一起完成德克萨斯州的可视化，然后你可以独立创建俄克拉荷马州和堪萨斯州的可视化。
我们的德克萨斯州闪电活动地图的创建方式几乎与刚才制作的地理图表相同。
将X坐标放入“列”字段，将Y坐标放入“行”字段。
将“闪电次数”度量放入“详细信息”字段。
这次，将“闪电次数”添加到“颜色”字段，并使颜色与闪电次数相对应。使用红色表示最多的闪电次数，黄色表示最少的闪电次数。
由于我们将这些州快照限制在仅2018年，我们将“日期”拖入“筛选器”字段，选择“年”，然后取消选中除2018年以外的所有年份。
最后，我们需要在Tableau Public中创建一个集。集是Tableau中的一个术语，指根据自定义条件从更大数据集中创建的自定义数据字段。
我们可以通过首先选择德克萨斯州的所有数据点来创建一个集。为此，我们将使用套索工具。你将尽可能沿着州界线围绕德克萨斯州画一圈。完成后，你会发现一个弹出窗口，选择“仅保留”，然后单击“创建集”。
将新创建的集拖到“筛选器”字段。现在，我们的地图上将只显示德克萨斯州的平均闪电活动。
组装故事
现在，我们可以将它们组装成一个故事。
首先，添加另外两个州的工作表（俄克拉荷马州和堪萨斯州），它们以与德克萨斯州工作表相同的方式创建。
然后，为这三个州创建一个仪表板，说明2018年美国闪电活动的位置。
你还应该为之前创建的另外两个工作表创建仪表板：折线图和美国的交互式地图。
现在我们有了三个仪表板，我们可以在Tableau中创建一个故事。
在故事的第一页，插入带有折线图的仪表板。填写标题，提供有关图表显示内容的详细信息。
在故事的第二页和第三页，依次放入美国的交互式地图和包含所有三个州（德克萨斯州、俄克拉荷马州和堪萨斯州）的仪表板。
填写完三个标题后，我们就有了一个完整的故事。
总结
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/a59a91f20f68b063e219d26be82dd2ea_7.png
在本节课中，我们一起学习了如何运用“从一般到具体”的策略，在Tableau Public中构建一个连贯的数据故事。我们创建了三个层次的可视化图表：展示全国趋势的折线图、显示区域转移的交互式地图，以及聚焦于特定州的详细快照，并将它们组合成一个有逻辑、易于理解的演示故事。这种方法能有效地引导观众，逐步深入地理解数据背后的洞察。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/a59a91f20f68b063e219d26be82dd2ea_9.png
接下来，你将学习如何在Tableau中创建交互式仪表板，我们很快再见。
035：构建交互式仪表板
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/30e7272da740c0e08855058772edca75_0.png
在本节课中，我们将学习如何将之前掌握的Tableau核心技能整合起来，创建一个功能完整的交互式仪表板。我们将以“2009年至2018年美国闪电雷击数据”为例，构建一个可以按年份和地理位置筛选、并动态展示关键指标的仪表板。
🗺️ 创建交互式闪电雷击地图
上一节我们介绍了数据准备，本节中我们来看看如何创建核心的可视化地图。
首先，打开Tableau Public并上传提供的数据源。要构建仪表板，你需要创建三个不同的工作表。
以下是创建第一个工作表——交互式地图的步骤：
将
X坐标和Y坐标分别拖入“列”和“行”功能区。将
日期字段拖入“筛选器”区域，并选择“年”。确保勾选“显示筛选器”选项。将
雷击次数字段同时拖入“标记”卡中的“颜色”和“详细信息”框。“颜色”框会根据雷击数量为地图上的点进行颜色编码。
“详细信息”框将为每年的每次雷击绘制具体位置。
确保两个
雷击次数变量都设置为“连续”。
📈 创建动态年度指标表
地图展示了空间分布，本节中我们将创建一个能随年份动态更新的关键指标表。
这个工作表将不同于其他可视化图表，它以文本形式展示三个核心指标，而非条形图或折线图。它将位于交互式地图旁边，并在选择新年份时自动更新。
以下是创建动态指标表的步骤：
在“数据”窗格的空白处右键，选择“创建计算字段”。
在公式框中输入
[雷击次数]并命名该字段。将这个新建的计算字段拖入“标记”卡的“工具提示”框中。
在下拉菜单中，依次选择“度量”和“平均值”。重复此过程，但分别选择“总和”与“最大值”。这样就为三个指标创建了动态字段：年度雷击总数、年度各地平均雷击数和年度单地最大雷击数。
最后，为清晰展示这些计算，转到“工作表”菜单并选择“显示标题”。输入标题“年度指标”。在标题下方，将这三个计算字段放入工具提示中。具体操作是，在编辑框中输入：
* 总数：<SUM([雷击次数])> * 最大值：<MAX([雷击次数])> * 平均值：<AVG([雷击次数])>
🔍 创建位置详情视图
掌握了整体年度指标后，我们还需要一个视图来展示地图上单个地点的具体数据。
对于最后一个工作表，将雷击次数字段拖入“标记”卡的“文本”框中。在下拉菜单中，选择“度量”和“平均值”。这将为接下来要创建的仪表板生成一个动态字段。
🧩 整合工作表并创建交互式仪表板
现在，我们已经准备好了所有组件，本节将学习如何将它们组合成一个可交互的整体。
选择“新建仪表板”。你应该能在页面左侧的列表中找到所有已创建的工作表。
首先，将包含交互式地图的工作表拖入仪表板，加载可能需要几秒钟。
接着，将另外两个工作表也拖入仪表板。
在整理布局之前，我们需要为仪表板创建一个“操作”。操作是Tableau的一项工具，它允许用户通过控制选择来与可视化图表或仪表板进行交互。当从筛选器栏中选择一个年份时，所有其他字段都会随之更新。
我们将通过一个操作将三个工作表连接起来：
在仪表板中点击地图，选择“工作表”>“操作”。
在“操作”弹出窗口中，点击“添加操作”>“筛选器”。
在“添加筛选器操作”菜单的“源工作表”部分，从下拉列表中选择你的仪表板名称。
勾选你的地图工作表。
在“运行操作方式”下，点击“选择”。
在“目标工作表”部分，从下拉列表中选择你的仪表板。
然后从列表中选择地图工作表以及那个用于收集单个位置指标的最新完成的工作表。
在“清除选定内容将会”选项下，选择“显示所有值”。
最后，在“筛选器”部分选择“所有字段”，点击“确定”。
现在，你已经拥有了一个交互式仪表板。
在完成前，请更新文本和标题以增强可读性：
为筛选器图例添加标题：“交互式筛选器”。
为位置平均变量添加标题：“位置指标”。
编写简短的说明以阐明工具功能，例如：“在地图上选择一个点以查看该位置的具体指标。”
✅ 测试与总结
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/30e7272da740c0e08855058772edca75_2.png
花几分钟测试你的仪表板，选择地图上不同的年份和位置，确保所有工具功能正常。
本节课中我们一起学习了如何将多个Tableau工作表整合成一个功能强大的交互式仪表板。我们掌握了创建动态地图、文本指标卡，并通过“操作”功能将它们连接起来以实现联动筛选的技巧。你在本视频中学到的这些工具和技术，将帮助你在未来的数据职业生涯中更有效地沟通和呈现想法。
祝你好运，设计愉快！😊
036：将数据转化为洞察》课程总结回顾 🎯
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/002abde08e3e286b782eca9bdc38903e_0.png
在本节课中，我们将回顾并总结整个课程的核心内容，梳理如何将数据转化为有效的洞察，并运用可视化工具进行清晰传达。
如果你要为你在本课程中学到的知识设计一个数据可视化图表，它会是什么样子？你会用折线图来绘制你随时间变化的参与度，还是会创建一个热力图，用不同颜色代表你完成的任务，以显示哪些任务耗时最少、哪些耗时最多？
无论你选择哪种可视化方式，你已经掌握了创建有效图表或可视化的技能，这些图表能让观众轻松理解。
上一节我们介绍了数据可视化的多种形式，本节中我们来看看如何将所学技能整合应用。
以下是你在本课程中掌握的核心技能：
使用 Tableau Public 讲述数据故事：你学会了使用 Tableau Public 这一强大工具，将数据转化为引人入胜的叙事。
根据受众调整内容：你掌握了根据不同的受众背景和需求，调整数据呈现内容和方式的关键技巧。
与非技术受众沟通技术概念：我们探讨了如何以最佳方式向非技术背景的听众解释复杂的技术概念和数据发现。
高级 Tableau 应用：你不仅学会了 Tableau 的基础操作，还将其应用提升到了高级水平。
应用专业可视化技术：你实践并应用了数据专业人士用来创建高效、专业可视化图表的常用技术和方法。
任何关于数据可视化的讨论，若缺少对伦理和可访问性的考量，都是不完整的。
以下是关于数据可视化伦理与可访问性的关键要点：
确保数据准确性：作为一名数据专业人士，你有责任确保可视化图表准确无误地代表底层数据，避免误导。
提升可访问性：你学习了如何让数据可视化对视觉障碍人士同样友好，例如通过使用适当的颜色对比、添加文字描述等方式。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/002abde08e3e286b782eca9bdc38903e_2.png
本节课中我们一起学习了如何超越原始数字，将数据转化为深刻的洞察，并通过 Tableau 等工具创建出既专业又符合伦理、具备可访问性的可视化作品。恭喜你完成本阶段课程的学习，并祝你在接下来的旅程中一切顺利。
037：构建你的数据作品集 📁
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/38fb5c368084389d1c50455c0852a21a_0.png
在本节课中，我们将学习如何将课程中学到的技能整合到一个实际的作品集项目中。这个项目不仅能巩固你的数据分析能力，还能为未来的求职面试提供有力的展示材料。
大家好，我是Tiffany，很高兴再次与大家见面。你们在课程中已经取得了很大进展。
我回来是为了进一步介绍你们的作品集项目，以及如何在未来的求职中运用它们。请记住，你的作品集将是一系列材料的集合，用于展示你解决数据驱动问题的方法。在本课程的作品集项目中，你将展示运用数据讲述故事的知识。
对于数据专业人士而言，这是一项极其重要的职场技能。同时，它对于面试成功也至关重要。当潜在雇主评估你时，他们可能会要求你提供具体的例子，说明你过去是如何处理数据清洗、结构化和验证的。你可以利用作品集来讨论你解决过的实际数据挑战和呈现过的真实故事。
此外，一些雇主可能会要求你基于他们提供的数据集创建一个演示文稿。你在Python和Tableau中学习到的创建数据可视化的技能，将帮助你更从容、更有准备地应对这些面试，同时充实你的作品集。
上一节我们提到了作品集的重要性，本节中我们来看看如何通过实践来构建它。你已经了解了体验式学习，即人们通过实践来获得理解。观看讲师创建可视化是一回事，而自己动手创建可视化以扩展对概念的理解并提升向利益相关者展示的技能，则是另一回事。
这个作品集项目也是一个绝佳的机会，让你了解组织如何日常运用数据分析，并展示你讲述数据驱动故事的知识。
为了完成作品集项目，你将使用一个数据库和相应的业务场景。你需要按照指示完成一个Jupyter笔记本，展示你的探索性数据分析工作，并在Tableau中创建3到5个可视化图表来回应业务场景。完成这个项目后，你将获得一个全面的演示文稿，可以将其添加到你的数据专业人士作品集中。
在你的项目策略文档中，你还将记录所采取的步骤，这些记录可用于向未来的招聘经理解释你的工作。
你已经接近完成本课程，这意味着你对数据专业人士的职责理解正在加深。现在，是时候展示你所学到的东西了。这个作品集项目将帮助你练习并展示在整个课程中学到的技能。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/38fb5c368084389d1c50455c0852a21a_2.png
以下是你在项目中将要实践的核心技能：
展示Python中的探索性数据分析实践：你将运用所学方法，系统地探索和理解数据。
演示如何创建准确描述数据集故事的数据可视化：你将使用Tableau等工具，将数据转化为直观、有说服力的图表。
展示如何准备和记录全面的工作流程策略：你将使用项目策略文档来规划和记录你的分析过程。
本节课中，我们一起学习了构建数据作品集的核心价值和具体方法。我们明确了作品集在求职中的关键作用，并概述了完成项目所需的步骤：从处理数据库和业务场景，到进行探索性数据分析和创建可视化，最终形成完整的演示文稿和项目文档。准备好运用你的Python和Tableau技能，开始这个令人兴奋的实践项目吧。
038：将数据转化为洞察》课程终期作品项目介绍 🎯
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/51c37625297f2449dbd6e4f920dce4e3_0.png
在本节课中，我们将要学习如何将整个课程中学到的探索性数据分析（EDA）流程与Python编程技能相结合，以完成一个综合性的终期作品项目。这个项目旨在展示你将原始数据转化为清晰、有说服力的故事的能力。
在之前的课程中，我们介绍了使用EDA流程的六个步骤来用数据讲述故事。本节中，我们来看看如何将这些知识付诸实践，应用到你的作品集项目中。
上一门课程中，你学习了使用Python编写代码的基本格式和结构。这些编程技能对于完成接下来的作品集项目至关重要。
该项目将要求你清洗、分析数据，并向技术及非技术背景的受众展示你的发现。
鉴于你已经有一些完成作品集项目的实践经验，现在需要思考如何将你正在分析和清洗的数据，重新构建成一个经过深思熟虑的故事。
在课程的这一部分，你将拿到一个数据集，并应用EDA的六个步骤，制作一份有用的文档。这份文档能帮助你向本课程其他部分的利益相关者展示关键发现。
你将努力发展更多技能，以帮助你在数据职业领域取得成功。关于用数据讲故事，还有更多内容需要学习。
作为一名数据专业人士，你工作的很大一部分重点在于将混乱的数据转化为有组织、清晰的故事，以满足业务目标，并帮助利益相关者理解做出业务决策所需的重要细节。
这个作品集项目是一个绝佳的机会，可以向潜在雇主证明你能够做到这一点：将混乱的数据转化为逻辑清晰的故事。
请记住，作为一名数据专业人士的技能发展是一个迭代的过程。因此，当你有了新想法或学到新东西时，可以持续改进。
本节课中，我们一起学习了终期作品项目的目标与重要性，回顾了EDA流程和Python技能在项目中的应用，并明确了将数据转化为商业洞察的核心任务。准备好迎接挑战，用你的项目展示数据讲故事的能力吧。
039：终期项目总结与职业发展建议
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/802e2315ef3af783084847aef0d24709_0.png
在本节课中，我们将总结你在数据分析项目中所完成的工作，并探讨如何将项目经验转化为职业优势，为未来的面试和职业发展做好准备。
项目成果回顾
到目前为止，你为深入理解数据及其如何推动业务变革付出了大量努力。
你完成了一个 Jupyter 笔记本，创建了可视化图表来支持你的分析，并优化了演示文稿以满足特定受众的需求。
随着你在课程中不断取得进展，请记住，记录你的学习过程与技能将有助于你在未来的面试中，向潜在雇主和招聘经理清晰地展示你的成果。
职业准备：沟通你的工作
你可能在本课程前面的章节中了解到，受众意识至关重要。
在面试过程中，懂得如何谈论你的工作流程、可迁移技能以及其他成就会极大地提升成功率。
在本课程中，你学习了遵循数据分析职业薪酬结构的重要性。
你练习了使用 Python 处理数据，并展示了如何组织和分析数据集，以讲述一个引人入胜的故事。
这些作品集项目旨在帮助你在就业市场上脱颖而出，而你所应用的可迁移技能则体现在你创造的具体成果中。
为面试问题做好准备
当你开始为未来的面试做准备时，你应该准备好回答以下类型的问题：
以下是面试中可能遇到的典型问题：
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/802e2315ef3af783084847aef0d24709_2.png
你清理数据的过程是怎样的？
你使用什么工具来创建数据可视化？
数据可视化如何以及为何能增强数据所讲述的故事？
在与非技术利益相关者分享数据故事时，首要考虑因素是什么？
当然，在应聘数据专业职位时，你可能还会被问到许多其他问题。
每一个作品集项目都将帮助你准备回答。例如，在你刚刚完成的作品集项目中，你使用了探索性数据分析流程来清理、组织和分析数据集。然后，你将数据转化为一个充满可视化的演示文稿，帮助利益相关者理解你从数据故事中发现的洞察。
别忘了，你还在你的薪酬策略文档中记录了你所有的考量、问题、流程笔记等内容。
后续学习展望
接下来，你将全面学习统计学在数据驱动工作中的强大力量。
然后，你将有机会运用统计分析来模拟一次 A/B 测试。
在这些课程结束时，你的作品集中将拥有丰富的成果。
本节课总结
本节课中，我们一起回顾了数据分析项目的核心产出，并学习了如何将这些实践经验系统化地整理和表达，以应对未来的职业挑战。我们强调了记录过程、提炼可迁移技能以及针对不同受众进行有效沟通的重要性，为你的职业发展奠定了坚实的基础。
040：将数据转化为洞察》课程总结 🎯
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/f50f97445bd23b730d66ad23d701447e_0.png
在本节课中，我们将一起回顾整个课程的核心内容，总结探索性数据分析与数据可视化的关键实践与技能，并展望后续的学习路径。
还记得在本课程开始时，你将自己想象成一名考古学家吗？你站在古老的河床前，对岩石下可能发现的宝藏充满期待。你渴望揭开故事，揭示失落的谜团。学完本课程后，希望你在面对探索性数据分析和可视化时，能感受到与那位考古学家同样的兴奋。
正如你所学习的，探索性数据分析的六项实践有助于从数据集中发掘需要讲述的故事。在你的职业生涯中，当你进行数据发现、构建和清洗时，希望你带着决心挖掘数据，汇集重要发现，质疑自身视角，并对发现进行深入研究。此外，希望你记住另外三项实践：数据连接、验证和呈现，以完成你的探索性数据分析工作。
在本课程中，你有机会探索数据专业人士如何处理那些存在情节漏洞、令人困惑场景或缺失数据和异常值的故事。你还学习了如何使用标签编码技术将分类数据转换为数值数据。最后，你思考了如何设计可视化并以极具影响力的方式呈现数据。
你学习了可视化的高级概念，并开始使用Tableau。在这些课程中，你学到了一些职场技能，例如针对不同受众进行沟通、道德的重要性、可访问性的必要性，以及遵循工作流程的重要性。这些技能将伴随你的整个职业生涯，从初级数据专业人士到高级数据专业人士，乃至更远。
https://github.com/OpenDocCN/dsai-notes-pt1-zh/raw/master/docs/ggl-adv-dtanls-3/img/f50f97445bd23b730d66ad23d701447e_2.png
在接下来的课程中，你将学习统计学、回归和机器学习中的一些核心概念。你在本课程中获得的知识，将为你学习后续课程以及你作为数据分析专业人士的职业生涯奠定基础。很高兴能指导你学习。探索性数据分析和数据可视化的实践是我所珍视的，我总是很兴奋能遇到学习这些原则的未来数据专业人士。
恭喜你完成本课程。你已经具备成为一名优秀的数据故事讲述者的潜质。愿你在探索和用数据讲述故事的过程中，始终充满兴奋与热情。😊
