数据可视化:故事创建与集合运用全解析

立即解锁
发布时间: 2025-09-03 02:05:20 阅读量: 23 订阅数: 31 AIGC
PDF

Tableau数据可视化实战

### 数据可视化:故事创建与集合运用全解析 #### 1. 故事创建基础 故事可以与仪表盘或工作表结合使用,但不能在故事中创建仪表盘,因此建议在开始创建故事之前先创建好仪表盘。故事具有交互性,通过顶部的标题以及前后箭头引导读者。 ##### 1.1 故事格式设置 - **调整故事大小**:确保在左侧的“故事”选项卡上,然后向下找到底部的“大小”选项,从一系列不同的大小中选择适合你屏幕尺寸的选项。 - **标题设置**:如果你想关闭标题以获得更多空间,可以在工具栏中选择“故事”,然后取消勾选“显示标题”。 - **导航样式设置**:默认的导航样式是使用标题,你可以通过点击左侧的“布局”选项卡来更改导航样式,有“数字”“圆点”和“仅箭头”三种选项。 - **导航背景颜色设置**:通过选择工具栏中的“故事”>“格式”,可以更改导航背景颜色以及许多全局故事设置。 设置故事格式时,要注意格式更改可能会影响仪表盘在故事中的显示,若仪表盘出现滚动条,需返回仪表盘调整其大小以适应故事。 |操作|步骤| | ---- | ---- | |调整故事大小|在左侧“故事”选项卡,选底部“大小”选合适尺寸| |关闭标题|工具栏选“故事”,取消勾选“显示标题”| |更改导航样式|点击左侧“布局”选项卡选择| |更改导航背景颜色|工具栏选“故事”>“格式”操作| 流程图如下: ```mermaid graph LR A[开始设置故事格式] --> B[调整故事大小] B --> C[设置标题显示] C --> D[更改导航样式] D --> E[更改导航背景颜色] ``` ##### 1.2 添加新故事点 - **添加工作表为新故事点**:在“故事”窗格中,找到要添加到故事的工作表,然后双击它,该工作表将自动作为新的故事点添加。 - **其他添加方式**:还可以使用拖放功能,将工作表拖到第一个故事点旁边;若要替换故事点,可将工作表拖到故事点中间。另外,还能添加空白故事点和复制故事点。 |添加方式|操作步骤| | ---- | ---- | |添加工作表|在“故事”窗格双击工作表| |拖放添加|找到工作表拖到第一个故事点旁| |替换故事点|将工作表拖到故事点中间| |添加空白故事点|“故事”选项卡“新故事点”选“空白”,调整顺序并添加文本框| |复制故事点|选择要复制的故事点,在“故事”窗格选“复制”| #### 1.3 空白故事点添加 若要添加一个只有标题的起始点,可按以下步骤操作: 1. 在“故事”选项卡下的“新故事点”中选择“空白”。 2. 选择编号 3 并将其移到故事点的前面。 3. 添加一个文本框来添加标题
corwn 最低0.47元/天 解锁专栏
买1年送3月
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

勃斯李

大数据技术专家
超过10年工作经验的资深技术专家,曾在一家知名企业担任大数据解决方案高级工程师,负责大数据平台的架构设计和开发工作。后又转战入互联网公司,担任大数据团队的技术负责人,负责整个大数据平台的架构设计、技术选型和团队管理工作。拥有丰富的大数据技术实战经验,在Hadoop、Spark、Flink等大数据技术框架颇有造诣。
最低0.47元/天 解锁专栏
买1年送3月
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看

最新推荐

模块化开发实战:AvalonDock与Prism框架整合构建桌面应用终极方案

![模块化开发实战:AvalonDock与Prism框架整合构建桌面应用终极方案](https://docs.devexpress.com/WindowsForms/images/docking2017-customization-dialog127346.png) # 摘要 本文围绕模块化开发与桌面应用架构设计展开,重点研究AvalonDock与Prism框架的整合机制及其在实际开发中的应用。深入分析了AvalonDock的布局系统与窗口管理机制、Prism框架的模块化结构与依赖注入原理,并探讨了两者集成时面临的关键技术挑战。文章提出了基于Prism的功能模块划分策略与接口设计方法,设

【Qt本地数据库构建】:使用SQLite存储历史温度数据详解

![【Qt本地数据库构建】:使用SQLite存储历史温度数据详解](https://duythanhcse.wordpress.com/wp-content/uploads/2013/06/31_sqlite_0.png) # 摘要 本文围绕基于Qt与SQLite数据库的温度数据存储与处理系统展开研究,系统介绍了SQLite数据库的核心特性、数据类型与SQL语法,并详细阐述了其在Qt开发平台中的集成方式。文章重点探讨了温度数据模型的设计与实现过程,包括数据库初始化、数据操作及性能优化策略。同时,结合Qt的数据可视化能力,分析了温度趋势图的绘制、数据导出与异常处理机制。最后,通过完整项目实

GPU加速实战:大气廓线反演算法性能提升10倍的实现路径

![GPU加速实战:大气廓线反演算法性能提升10倍的实现路径](https://www.intel.com/content/dam/developer/articles/technical/gpu-quicksort/gpu-quicksort-code-2.jpg) # 摘要 本文围绕GPU加速技术在大气廓线反演中的应用展开系统研究,介绍了大气辐射传输模型与反演算法的理论基础,分析了传统串行算法在计算效率与内存访问方面的瓶颈。基于GPU的并行架构与CUDA编程模型,本文提出针对反演算法的并行化重构策略,并探讨了内存布局优化、数据传输机制以及数值稳定性的实现方法。通过构建性能评估体系,验

自定义监控新姿势:SQLTracker插件开发实战指南(附SDK下载链接)

![自定义监控新姿势:SQLTracker插件开发实战指南(附SDK下载链接)](https://img-blog.csdnimg.cn/direct/f10ef4471cf34e3cb1168de11eb3838a.png) # 摘要 SQLTracker插件是一款面向分布式系统中SQL性能监控与追踪的扩展工具,旨在提升数据库操作的可观测性与调优效率。本文围绕SQLTracker插件的设计与实现,系统阐述了监控系统的核心原理、插件架构设计、关键技术实现路径及其在实际场景中的应用价值。文章首先分析了分布式监控的基本逻辑与SQL追踪机制,继而详细介绍了插件在SQL拦截、上下文绑定、调用链组

Kubernetes文件夹监控新玩法:Pod级监听的实现方案与性能优化策略

![Kubernetes文件夹监控新玩法:Pod级监听的实现方案与性能优化策略](https://d2908q01vomqb2.cloudfront.net/ca3512f4dfa95a03169c5a670a4c91a19b3077b4/2021/08/02/elamaras_prometheus_f2_feature.png) # 摘要 随着云原生技术的快速发展,Kubernetes作为主流的容器编排平台,其监控能力特别是Pod级监听机制,成为保障系统稳定性和实现自动化运维的关键。本文系统性地介绍了Kubernetes监控体系,并深入分析了Pod级监听的技术原理与实现机制,涵盖Kub

【SMA模型在LS-DYNA中的实现】:关键技术难点与解决方案

# 摘要 本文围绕形状记忆合金(SMA)材料模型在LS-DYNA中的仿真建模展开系统研究,介绍了SMA材料的基本力学行为与本构模型的数学表达,重点分析了Tanaka模型与Liang-Rogers模型的构建原理。文章详细阐述了SMA材料模型在LS-DYNA中的实现过程,包括用户材料子程序(UMAT/VUMAT)的开发流程、编译调用机制以及仿真结果的验证方法。针对仿真过程中存在的数值稳定性、热-力耦合复杂性等关键技术难点,提出了相应的优化策略。结合典型工程应用案例,如智能结构变形控制、汽车冲击能量吸收及航空航天可变形翼面设计,验证了模型的有效性与适用性。研究成果为SMA材料在多物理场协同仿真中

Fluent湍流模型调试终极指南:为什么你的结果总不收敛?

![Fluent湍流模型调试终极指南:为什么你的结果总不收敛?](https://d3i71xaburhd42.cloudfront.net/685c7657ea29f0c582b278597ef87aea31b56c8f/2-Figure1-1.png) # 摘要 本文系统探讨了Fluent中湍流模型的基本概念、理论基础、设置调参及收敛性优化策略。首先介绍了湍流的本质特性与主流数值模拟方法的适用性差异,分析了常见湍流模型(如Spalart-Allmaras、k-ε、k-ω及其SST变体)的适用场景与计算表现。随后详细阐述了在Fluent中合理配置湍流模型的关键参数与流程,并针对收敛性问

MLE vs. Bayesian参数估计大比拼:Weibull模型中谁更胜一筹?

![MLE vs. Bayesian参数估计大比拼:Weibull模型中谁更胜一筹?](https://community.jmp.com/t5/image/serverpage/image-id/47573i462746AE4105B48C?v=v2) # 摘要 本文系统比较了极大似然估计(MLE)与贝叶斯估计在Weibull模型参数估计中的理论基础与实现方法。从Weibull分布的数学定义及其在工程可靠性分析中的应用出发,深入探讨了MLE的似然函数构建与优化求解过程,以及贝叶斯估计中先验设定、后验推断与MCMC计算的核心原理。文章详细阐述了两种方法在Weibull模型中的具体实现流程

LBM网格划分策略揭秘:如何在精度与资源之间找到最佳平衡点?

![10_Rev尺度_REV多孔介质_格子Boltzmann_LBM_多孔介质_源码.rar](https://public.fangzhenxiu.com/fixComment/commentContent/imgs/1687451361941_0ssj5j.jpg?imageView2/0) # 摘要 LBM(格子玻尔兹曼方法)网格划分是复杂流体模拟与工程计算中的关键技术环节,直接影响模拟精度、计算效率与资源消耗。本文系统梳理了LBM网格划分的基本概念与核心挑战,深入分析了各类网格类型及其对数值稳定性和误差控制的影响机制。研究涵盖了从固定网格到自适应网格细化(AMR)等多种划分策略的

【C语言实现轻量级RPC全攻略】:嵌入式系统通信核心技术揭秘

![【C语言实现轻量级RPC全攻略】:嵌入式系统通信核心技术揭秘](http://www.note.suzakugiken.jp/wp-content/uploads/2023/05/motordriver-sm-and-lap-abst.png) # 摘要 本文围绕C语言实现的轻量级RPC框架展开,系统分析了其在网络通信、嵌入式系统应用及安全性扩展等方面的设计与实现原理。文章首先介绍了RPC技术的基本概念与C语言实现背景,深入探讨了基于TCP/IP和Socket的通信机制、多线程异步处理以及数据序列化技术。随后,文章聚焦于RPC框架的核心设计,包括调用流程、IDL定义与服务注册机制,并