在 Tableau 中进行象限分析

探索性数据分析是任何数据科学项目的基石。在使用任何机器学习算法进行建模和训练之前，务必先对数据集进行探索，从而对其内容有一个整体认识。

以著名的 Superstore（超级商店）数据集为例。该数据来自一家位于美国的超级商店，包含有关产品、销售、利润等信息，您可以据此识别这家虚构公司中的关键改进领域。第一步是导入并探索数据集。您可以从此处下载数据。

用于 EDA 的 Python

让我们使用 Python 导入并探索该数据集。若想进一步学习如何在 Python 中查看和清洗数据，请参加 DataCamp 的《Python 数据清洗》课程。

import pandas as pd  
import numpy as np
superstore_data = pd.read_excel('Sample-Superstore .xls',header = 3)  
superstore_data.head()技术支持

该数据框显示了包含不同属性的前五行数据。我们还可以查看是否存在缺失值以及有哪些列：

superstore_data.info()技术支持

上述信息表明没有空值，共有 9994 条记录。可视化同样是 EDA 的重要部分，因为它能提供更直观的视角。我们可以创建销售额与利润之间的散点图，但如果能进一步改造现有散点图，让其提供更多信息会怎样？其中一种可视化方式就是象限图。接下来我们将进一步了解它，并亲手创建一个。

象限分析图

如果您身处数据科学生态圈，一定听说过Gartner 魔力象限（MQ）。这些 MQ 是一系列报告，包含对多家科技公司的市场研究与分析。事实上，它们是该领域最受期待的报告之一。这里是用于分析和商业智能平台的2019 年魔力象限，其中显示 Tableau 和 PowerBI 处于领先地位。

从技术上讲，象限图是被分成四个相等部分（象限）的散点图，因此得名。象限分析图可以将数据分布到不同象限，便于基于某些特征快速定位哪些数据点相似、哪些不相似。

在 Tableau 中创建象限图

Tableau 是一款广泛应用于业界的数据分析与可视化工具。Tableau 易用性的关键在于其拖放式界面。因此，创建各式各样的图表非常直观，其中就包括象限图。

先决条件

本教程假定您对 Tableau、其属性以及如何用于分析已有一定了解。若您是完全新手，建议先阅读下文这篇文章，它是极佳的 Tableau 入门材料：

使用 Tableau 进行数据可视化

Tableau 环境

本教程将使用 Tableau Public，这是 Tableau 的一款完全免费的产品。请从官方网站下载 Tableau Public 版本。按指引安装，若点击 Tableau 图标后出现如下界面，即表示可以开始了。

连接数据源

我们将继续使用前文提到的 Superstore 数据集。若您尚未下载数据集，可在此处获取。

从本地计算机将数据导入 Tableau 工作区。
在 Sheets 选项卡下，可见三张表：Orders、People 和 Returns。但我们只关注 Orders 数据。双击 Orders 表，它会像电子表格一样打开。
我们发现前 3 行数据看起来有些不同，格式不符合预期。可使用 Sheets 选项卡下的 Data Interpreter 进行修正。点击后，即可得到格式良好的表。

创建散点图

假设我们想查看折扣（Discount）与商店利润（Profit）之间的关系，以及哪些产品更具盈利性。第一步是在 Discount 与 Profit Ratio（利润率）之间创建一个简单散点图。Profit Ratio 比仅使用 Profit 字段更具参考意义；由于原始数据库中没有该字段，我们需要自行创建。

新建一个工作表，并使用下列公式创建名为 Profit Ratio 的计算字段。
```
sum([Profit])/sum([Sales])技术支持
```

将 Discount 拖到 Columns，将 Profit Ratio 拖到 Rows。最后，将 Sub Category 拖到颜色（Colors）槽。将 Discount 的度量从 Sum 改为 Average。您将得到一张按不同产品着色的散点图。

创建参数

有了基础散点图，现在需要创建两个参数，作为计算象限的依据。在本例中，我们将分别从 Discount 和 Profit Ratio 字段派生出 Discount Parameter 和 Profit Ratio Parameter。

Discount Parameter

单击 Discount 字段 > Create > Parameter，并按下图填写。将当前值设置为您选择的数据点（此示例为 0.2）。

Profit Ratio Parameter

对 Profit Ratio 字段执行相同步骤。

此时在工作表中会出现一个名为 Parameters 的新标题，我们的两个参数都在其中显示。

添加参考线

Tableau 中的参考线就是图表中的一条垂直或水平线，用作参考点。例如，在销售图中绘制参考线，可以轻松区分高低销售点。我们将分别为两个坐标轴创建参考线。

右键单击 Profit Ratio 轴（y），选择 Add Reference Line。
将参考线的 Value 设置为 Profit Ratio 参数。
其余选项保持默认，点击 OK。
右键单击 Avg Discount 轴（x），选择 Add Reference Line。
将参考线的 Value 设置为 Avg Discount 参数。
其余选项保持默认，点击 OK。

为每个象限指定颜色

现在我们已有四个象限，但每个象限中的数据点颜色是随机的，这不利于判断数据点落在哪个象限。我们可以编写一个简单的计算，根据所处象限为数据点指定颜色，即右上（UPPER RIGHT）、左上（UPPER LEFT）、右下（BOTTOM RIGHT）或左下（BOTTOM LEFT）。

点击 Analysis > Create calculated field，将字段命名为 Quadrant Color。

输入如下公式：

IF AVG([Discount]) >= [Discount Parameter]  
AND [Profit Ratio] > [Profit Ratio Parameter] THEN 'UPPER RIGHT'  
ELSEIF AVG([Discount]) < [Discount Parameter]   
AND [Profit Ratio] > [Profit Ratio Parameter] THEN 'UPPER LEFT'  
ELSEIF AVG([Discount]) >[Discount Parameter]   
AND [Profit Ratio] < [Profit Ratio Parameter] THEN 'BOTTOM RIGHT'  
ELSE 'BOTTOM LEFT'  
END技术支持

技术支持

目前数据点是按子类别（Sub-category）着色，但我们希望按各自象限着色。只需将 Sub-Category 字段拖到 Detail 卡片，将 Quadrant Color 字段拖到颜色（Color）。数据点会立即根据其所在象限着色。将 Shape 改为圆形以获得实心圆，并根据需要调整大小和提示信息（tooltip）。

至此，我们完成了对一家美国超级商店的 Discount 与 Profit Ratio 的象限分析。从图中可以清楚看到，位于 Bottom Right 的产品盈利性最低，而位于 Upper Left 的产品最具盈利性。

创建动态象限图

上述图中的象限是固定的，只有在更改相关参考线的数值时才会变化。如果我们想尝试不同阈值，实时查看产品如何变换象限，该怎么办？这是可行的，被称为动态象限图，可通过 Actions 实现。

Actions

Actions 是 Tableau 中让数据具备交互性的功能。借助该功能，我们可以通过选择、点击或悬停来与可视化交互。Actions 在可视化中可以执行以下任务：

现在按照以下步骤设置一个工作表操作：

进入 Worksheet>Actions 并添加 Change Parameter 操作。因为我们希望创建一个可根据需要更改参数的操作。

接着，将该操作命名为 Update Discount Parameter，并选择相应的 Target Parameter 和 Value，在本例中分别为 Discount Parameter 和 AVG(Discount)。

同样，再创建一个名为 Update Profit Ratio Parameter 的操作。

现在，当您点击某个数据点时，它将成为象限的中心。于是您就获得了一个动态象限图，您可以轻松观察更改 Profit Ratio 与 Discount 的数值后，产品在象限中的位置如何变化。

结论

本文讲解了如何将散点图转换为交互式象限图。使用象限图通常有助于从整体上把握数据，理解对象之间的相似与差异。接下来，您可以在 R 或 Python 中开展常规数据分析，进一步对未来数月进行销售预测，并分析数据以识别真正推动销售的数据集关键特征。

主题

Tableau Python 数据分析

主题

技术