Tableau数据摄取与处理全解析

# Tableau数据摄取与处理全解析 ## 1. 知识小测 在深入学习之前，先通过几个问题检验一下对相关知识的掌握程度： | 问题 | 选项 | 答案 | | --- | --- | --- | | Tableau Public应用的费用是多少？ | A. 每月70美元，按年计费<br>B. 每年150美元<br>C. 是Tableau Desktop许可证的一部分，本身免费，但与Tableau Desktop费用相同<br>D. 免费 | D | | 在图中，哪些年份的消费者销售额低于30万美元？ | A. 2018年和2019年<br>B. 2019年和2020年<br>C. 2020年和2021年<br>D. 仅2018年 | （因未给出图，无法确定） | | 维度中包含哪种类型的数据？ | A. 定量数据<br>B. 定性数据<br>C. 无数据<br>D. 以上都不是 | B | ## 2. 数据摄取概述 数据是数据可视化的基本构建块，在Tableau中也是如此。要在Tableau中创建可视化，就需要数据。数据可以小到只有一列或一个字段以及一行，也可以有数百个字段和数百万行。Tableau的一大优势是能够处理强大而多样的数据集。在使用Tableau之前，需要确定哪些数据适用于Tableau Desktop。 ### 2.1 技术要求 为了进行实践学习，需要满足以下条件之一： - **Tableau Desktop应用程序**：大多数版本都适用于相关考试，但为了获得最佳效果，建议使用2021.1或更高版本。可从[下载链接](https://www.tableau.com/products/desktop/download)下载。该版本不是免费的，但提供2周的试用。如果是就读于认可大学的学生，可以免费获得1年的桌面许可证。如果之前已经使用过试用版，则无法延长试用时间，但每次桌面版本进行季度升级时，都可以获得免费的2周试用。 - **Tableau Public**：这是一个免费版本，满足Tableau Desktop的所有功能需求，但不具备Tableau Desktop应用程序的所有数据和扩展功能，但对于Tableau Desktop认证所需的一切功能都有。可从[下载链接](https://public.tableau.com/en-us/s/download)下载。如果已经下载，请使用2021.1或更高版本。 此外，还需要Superstore Sales数据集来配合学习。该数据集会自动随Tableau Desktop应用程序提供，也可以从[Tableau资源](https://public.tableau.com/en-us/s/resources?qt-overview_resources=1#qt-overview_resources)下载并导入到Tableau Public应用程序中。 ### 2.2 数据结构基础 #### 2.2.1 数据格式 数据需要具有类似电子表格的结构。这种结构可以来自多种来源，包括CSV/文本文件、服务器（如Amazon Redshift、Microsoft SQL Server或Tableau等）。为了充分利用数据源，要确保所有行和列都被正确处理。表格顶部不应有空白行，以免Tableau创建错误的标题；表格左侧也不应有空白行，否则会创建错误的字段。不过，这些错误字段可以使用Tableau中的Data Interpreter进行清理。 #### 2.2.2 数据列/字段 Tableau中任何数据源的顶行将用作分析的默认字段。这些字段是在使用桌面应用程序时会看到的内容，包含用于可视化的命名维度或度量。例如，在示例中，字段名称为Category、Order Date、Segment和Sales Target。Tableau能够识别表格并排除表格外的数据。 #### 2.2.3 数据行或数据粒度 第一行之后的每一行包含标题中表示的实际数据，并将用于可视化。字段的数量代表数据的聚合级别。例如，在示例中，数据按Category、Order Date和Segment进行捕获，Sales Target作为这些字段的度量。Tableau可以沿着这些维度操作数据，但除非添加额外数据，否则无法进一步分解数据。 #### 2.2.4 数据处理提示 - 如果使用CSV文件，将其转换为电子表格工具中的显式表格，以确保使用的是预期的结构。 - 如果使用多个数据源，确保有一个字段可以用作键字段来链接其他表格。 #### 2.2.5 基本数据分类和数据类型 Tableau能够很好地猜测传入数据的类型，尤其是结构良好的数据。例如，Tableau可以识别出Category和Segment是字符串字段，Order Date是日期字段，Sales Target是数值度量。有关Tableau Desktop图标和相关数据类型的更多信息，可访问[链接](https://help.tableau.com/current/pro/desktop/en-us/datafields_typesandroles_datatypes.htm)。 #### 2.2.6 透视与非透视数据 Tableau通常处理多行数据比多列数据效果更好。例如，有时数据可能以日期作为新字段的形式传入，这种数据被认为是宽且非透视的。透视数据行数多但字段少，Tableau不仅能更好地理解这种数据，而且在图表绘制、计算等方面具有更大的灵活性。 #### 2.2.7 数据清洁基础 可视化的质量取决于数据质量。在可视化之前，必须审查数据以验证其是否正常工作。一种简单的方法是查看哪些字段未按预期工作，并找出原因，这通常是由于字段中存在意外的数据类型。 ### 2.3 连接到数据 可以通过服务器（Tableau或其他）或文件连接到数据，也可以连接到一个或多个数据源。在Tableau Desktop上，建议使用相同类型的数据源以获得最佳性能。例如，如果使用Microsoft Excel，其他Excel文件的连接效果会更好。以连接Sample – Superstore为例，这是Tableau的默认示例数据集，许多教程和帮助指南都基于此数据集。只需选择Sample – Superstore，连接后将进入Sheet 1，可查看其中包含的所有表格和字段。 ### 2.4 数据源窗格概述 数据源窗格是构建任何Tableau可视化的入门部分。从这里可以看到数据是如何摄取的，基本数据类型是如何清理的，以及数据在Tableau中使用之前是如何连接的。了解数据源窗格不仅与考试相关，还能使数据可视化更加直观。以下是数据源窗格的主要组件： 1. **连接**：显示使用了哪些数据连接，例如Sample – Superstore，其下方可看到数据源名称，如Microsoft Excel。还可以在此添加或链接其他数据源。 2. **使用数据解释器**：如果数据源来自Excel、CSV、PDF或Google Sheets，会显示此选项。它会分析数据源处的数据并进行清理，以便在Tableau中进行数据分析。更多信息可参考[链接](https://help.tableau.com/current/pro/desktop/en-us/data_interpreter.htm)。 3. **工作表**：在示例中，Orders、People和Returns会以不同图标显示两次，分别表示数据作为表格和命名范围从Sample – Superstore传入。有关命名范围的更多信息，可访问[链接](https://help.tableau.com/current/pro/desktop/en-us/examples_excel.htm#:~:text=Both%20the%20named%20range%20and,and%20then%20selecting%20Insert%20%3E%20Table)。 4. **新建联合**：这是一个可点击的资源，允许用户通过将表格拖入弹出窗口来手动或自动创建数据联合。联合与连接不同，联合是一个包含与另一个源相同字段的数据源，用于追加数据而不是定义连接关系。 5. **数据模型**：显示数据源之间的连接方式。在示例中使用的是Relationships模型，这是为Tableau设计和增强的模型，具有更大的灵活性和动态性。虽然仍然支持连接，但在可能的情况下，建议使用关系。更多信息可参考[链接](https://help.tableau.com/current/pro/desktop/en-us/relate_tables.htm)。 6. **连接方式**：指示连接是实时的还是提取的。默认情况下，数据以实时方式传入，但也可以提取数据以处理静态的时间点数据。可以通过手动或自动数据刷新来提高性能。 7. **过滤器**：对于使用Tableau Online或Tableau Server的用户，数据源过滤器是在创建可视化时减少可见数据的一种方式。它与工作表过滤器不同，是Tableau Desktop中最强大的过滤器。 8. **数据预览部分**：可以预览字段数量、行数、数据类型、字段名称、物理表来源和远程字段名称等信息。远程字段名称对于确定字段在Tableau Desktop中修改后其原始名称很重要。可以在数据预览部分的右上角更新显示的行数。 ### 2.5 数据源窗格中的字段格式化 Tableau Desktop提供了有效的基本数据清理工具。以下是数据源窗格中可以进行的基本操作： 1. **表格标识符**：右侧可看到字段（或列）数和行数，使用下拉菜单可访问模型中其他表格的信息。 2. **数据类型、字段名称、物理表和远程字段名称显示**：显示数据的相关信息。 3. **数据类型指示器**：日期类型更新通常在此窗格进行，也可以使用第2部分和工作表进行。更新字段名称时，建议使用此部分或工作表，因为Tableau在识别数据类型方面能力较强，更新前审查数据很重要，以免因字段中存在非数字组件而导致数据类型错误。 4. **字段名称和排序功能**：显示字段名称和基本的升序和降序排序功能，可在此查看数据。 5. **示例数据**：为第4部分显示的字段提供示例数据，可在此审查和验证数据类型。 ## 3. 数据源窗格中的核心清理功能 数据很少以完美的状态出现，即使数据源相对干净，通常也需要进行额外的操作才能使其按预期工作。Tableau Desktop应用程序可以完成一些清理工作，以下是在数据源窗格中右键单击字段时可以进行的一些更新操作： | 操作 | 示例 | | --- | --- | | 数字（小数） | 2.32 | | 数字（整数） | 2 | | 日期与时间 | 05/22/2022 12:45:02 | | 日期 | 05/22/2022 | | 字符串 | 文本字段 | | 空间 | 地理信息 | | 布尔值 | 真/假字段 | | 地理角色 | 许多角色在Tableau的帮助文档中有介绍：[链接](https://help.tableau.com/current/pro/desktop/en-us/maps_geographicroles.htm) | 需要注意的是，Tableau会显示字段当前的类型。在修改日期字段时，要确保数据是日期格式。当将维度转换为度量时，如果字段格式不正确且包含一个或多个字符串而不是数字，Tableau可能会将字符串字段转换为数字字段，并在字段名称后添加(count)。大多数包含错误数据的字段会显示为字符串，例如，如果日期字段中添加了非日期值，它可能会显示为字符串。 以下是不同类型字段的修改操作，以字符串字段为例： | 操作 | 说明 | | --- | --- | | 重命名 | 允许更改字段名称，方便理解和供最终用户使用。 | | 复制值 | 将字段名称和示例行（默认100行，可修改）存储到剪贴板。 | | 隐藏 | 使字段及其数据在工作表中不可见，适用于对最终用户无用但来自数据源的字段。 | | 拆分 | Tableau根据数据情况创建默认拆分（作为追加字段显示），但需验证是否需要此操作，若要完全控制和可预测的拆分，需使用自定义拆分选项。 | | 自定义拆分… | 可指定用于拆分字段的字符，如逗号或破折号。 | | 别名… | 用于识别字段是否有别名。 | 其他选项在工作表上使用效果更好，后续会有相关介绍。在数据源窗格的右上角有一个强大的搜索和排序功能，默认显示100行数据，还可以一键显示字段别名和隐藏字段，并提供额外的排序功能。 ### 3.1 操作流程总结 下面通过mermaid流程图展示在Tableau中进行数据摄取和处理的主要流程： ```mermaid graph LR A[准备工具和数据] --> B[选择数据源类型] B --> C{连接数据源} C -- 成功 --> D[进入数据源窗格] C -- 失败 --> B D --> E[查看和清理数据] E --> F[格式化字段] F --> G[进行数据可视化] ``` ### 3.2 详细操作步骤列表 1. **准备工具和数据** - 选择合适的Tableau版本（Tableau Desktop或Tableau Public）并下载安装，确保版本为2021.1或更高。 - 获取Superstore Sales数据集，可从Tableau Desktop自带或从指定资源下载。 2. **选择数据源类型** - 可以选择服务器（如Tableau、Amazon Redshift、Microsoft SQL Server等）或文件（如CSV、Excel等）作为数据源。 3. **连接数据源** - 在Tableau Desktop中，选择相同类型的数据源以提高性能，例如使用Excel文件时，其他Excel文件连接效果更好。 - 以连接Sample – Superstore为例，直接选择该数据源，连接成功后进入Sheet 1查看表格和字段。 4. **进入数据源窗格** - 在界面左下角找到数据源窗格，了解其各个组件的功能，如连接、使用数据解释器、工作表、新建联合、数据模型、连接方式、过滤器和数据预览部分等。 5. **查看和清理数据** - 检查数据格式，确保没有空白行导致的错误标题或字段。 - 使用数据解释器清理来自Excel、CSV、PDF或Google Sheets的数据源。 - 对于多数据源，确保有键字段用于链接表格。 - 处理透视与非透视数据，尽量使用透视数据以提高Tableau处理效率。 - 审查数据质量，避免字段出现意外的数据类型。 6. **格式化字段** - 在数据源窗格中，通过表格标识符、数据类型显示、字段名称和排序功能、示例数据等部分查看和操作字段。 - 右键单击字段进行数据类型更新、重命名、复制值、隐藏、拆分等操作。 7. **进行数据可视化** - 在完成数据摄取和处理后，利用Tableau的可视化功能创建各种图表和报表。 通过以上步骤和方法，可以在Tableau中高效地完成数据摄取、处理和可视化工作，为数据分析和决策提供有力支持。