在 Tableau 2018.3 發(fā)布之后，集操作功能擴展了 Tableau 中的交互性，通過用戶的選擇可以進行更深入，更多樣化的比較，并讓我們能夠以全新的視角查看數(shù)據(jù)?，F(xiàn)在，您可以為 Viz 讀者提供更豐富的分析，更靈活的探索和更簡單的用戶體驗。

集操作能夠使交互更具表現(xiàn)力，無需任何編程即可對儀表板的設(shè)計進行精確的控制。它們讓我們能夠為最終的用戶交互設(shè)計各種自定義響應(yīng)。現(xiàn)在可以通過單個選擇來協(xié)調(diào)多個可視化的不同行為，創(chuàng)建出幾乎無窮的組合。

篩選操作與集操作

與可視化作品的交互通常等同于篩選操作，但篩選只是對用戶選擇的一種響應(yīng)。有時您可能想：

1、查找與選擇條件相關(guān)的所有項目，而不是僅保留完全匹配的項目

2、保留符合任一選擇條件的項目，而不是滿足所有選擇條件的項目

3、對所選項目進行排序，對齊，分組或向下鉆取，同時保留剩余數(shù)據(jù)的上下文

4、隱藏數(shù)據(jù)而不是篩選，以便您可以在計算中使用它

雖然篩選器僅保留選擇中的數(shù)據(jù)，它把數(shù)據(jù)分為兩個組 - 在選擇中或未在選擇中。實際上，篩選器只是一種特殊類型的集。而在原則上，集可以表達篩選器能夠表達的任何內(nèi)容，但反之則不然。

1、通過交互性表示關(guān)系和重疊等概念

2、使用 Tableau 來思考計算編寫

3、應(yīng)用提示和技巧進行設(shè)計和著色

示例 1：關(guān)系篩選

概念：有些數(shù)據(jù)編碼意義，而有些數(shù)據(jù)編碼關(guān)系。人們從編碼意義的數(shù)據(jù)類型中進行選擇。例如，用戶可能會問：“2018 年世界杯上哪些球隊和巴西隊一組？”“哪些球隊在E組？” 對小組感興趣的原因是組內(nèi)的球隊會互相進行比賽。雖然篩選器總是會選擇用戶所點擊的值，但是集合可以根據(jù)與用戶所選項目的關(guān)系而選擇其他字段。

數(shù)據(jù)源：2018 World Cup Match Results

情景：對于一支選定的球隊，他們打了多少場比賽，在與哪些球隊的比賽中贏了，輸了，或是平局？每個球隊得了多少分，而它的對手又得了多少分？

解讀：當我們選擇一個國家時，它與其他球隊比賽的進球數(shù)和被進球數(shù)都會在 Viz 右側(cè)展示，但是它們是向著不同的方向延伸的。

值得注意的是：購物籃分析也可以用完全相同的方式解決，用訂單 ID 代替比賽 ID，而用產(chǎn)品代替隊伍。

示例 2：對選擇進行排序和對齊

概念：堆積條形圖通常用于比較各個部分對整體的貢獻。雖然第一個部分和總值在條形圖中可以輕松比較，但內(nèi)部其他區(qū)域卻很難比較，因為它們不在共同的基線上。因此我們可以通過對選定部分的排序和對齊來解決此問題。

數(shù)據(jù)源：2017 - 2018 Stock Ticker Data

情景：每支股票的上漲或下跌的百分比是多少？哪些股票最不穩(wěn)定？哪些股票波動性最?。磕男┕善苯?jīng)常上漲？哪些股票經(jīng)常下跌？

解讀：每個橫條代表了各個股票的每日變化情況。紅色部分越多意味著股票下跌的次數(shù)越多，而紫色部分越多則意味著股票上漲的次數(shù)越多。顏色的深淺代表著變化的大小。對不同部分進行排序可以回答有關(guān)波動性，幅度和變化方向的問題。

值得注意的是：雖然各個股票的橫條總長度是一樣，但當選擇一個或多個部分時，它會重新對齊。

示例 3：在選擇中應(yīng)用 OR 邏輯

概念：雖然篩選器始終在選擇中應(yīng)用 AND 運算符，但集可以在選擇中應(yīng)用 OR 運算符。

數(shù)據(jù)源：Normalized London House Price Data(1995-2018)

情景：數(shù)據(jù)中的房產(chǎn)按照土地所有權(quán)分類或按照房產(chǎn)類型分類的比例是多少？在只符合一個分類標準的房產(chǎn)中，符合土地所有權(quán)分類標準的百分比和符合房產(chǎn)類型標準的百分比又是各多少？

解讀：OR 條件與總計算的百分比相結(jié)合，使您可以分析選擇標準的重疊部分。例如， freehold 和 terraced 之間存在很大的重疊部分，而 freehold 和 flat 之間幾乎沒有重疊部分，盡管幾乎所有的房產(chǎn)都符合這兩個標準中的其中一個。

值得注意的是：添加篩選器總是會減少記錄數(shù)，但添加帶 OR 條件的集會增加結(jié)果集中的記錄數(shù)。

動態(tài)分組

示例 4：合并細節(jié)層次

概念：數(shù)據(jù)通常是在嚴格的層次結(jié)構(gòu)中構(gòu)建的，而分析則需要將不同層次的細節(jié)合并到一個字段中。例如，銷售經(jīng)理常常想知道團隊中個人配額與其他團隊平均配額相比較的情況。

數(shù)據(jù)源：Market Value of Players and Teams in the 2018 World Cup

情景：對于選定的小組，各個球隊的平均球員市場價值是多少？這與其他小組的平均值相比如何？

解讀：德國的平均球員市場價值高于所有其他小組的平均值，而其他球隊 - 瑞典，墨西哥和韓國 - 均低于所有小組的平均值。墨西哥和瑞典在第 16 輪擊敗德國的比賽中表現(xiàn)出色！

值得注意的是：這個技術(shù)允許您同時將組內(nèi)的方差與組之間的方差進行比較。

示例 5：選擇與其他/條件聚合

概念：當篩選器移除未選擇的類別時，集可以將未選擇的類別分組為“其他”。

數(shù)據(jù)源：Normalised London House Price Data(1995-2018)

情景：選定地區(qū)的房價趨勢與所有其他地區(qū)的平均房價趨勢的比較。

解讀：每次選擇某一區(qū)域時，它都會從“其他”類別中移除。

值得注意的是：使用篩選器時，清除選擇會為每個類別顯示單獨的時間序列。使用集合，清除選擇將顯示匯總數(shù)據(jù)。當選擇中具有大量類別時，該技術(shù)特別有用。

示例 6：單個成員向下鉆取

概念：擴展類別子集使您可以在單個比例上對不同級別的詳細信息進行比較。

數(shù)據(jù)源：Market Value of Players and Teams in the 2018 World Cup

情景：Viz 展示了在選定小組中的某個球隊或具體運動員的平均球員市場價值與其他小組的平均值相比的情況。

值得注意的是：比率在不同的層次結(jié)構(gòu)上是可比較的，而大小和數(shù)量通常不可以。例如，將個人的價值與團隊的總價值進行比較的情況并不常見，除非需要強調(diào)特殊的個人。例如，梅西的市場價值高于整個俄羅斯隊的市場價值。使用此技術(shù)時，請務(wù)必考慮要測量的類型和分析的意圖。

操作順序

示例 7：在篩選器之前計算排名

概念：像排序函數(shù)之類的表計算總是在篩選器之后應(yīng)用，但在某些情況下，您可能希望在篩選之前進行表計算。

數(shù)據(jù)源：Market Value of Players and Teams in the 2018 World Cup

情景：對于選定的國家，每個球員在其球隊內(nèi)，地區(qū)，和世界上的排名各是如何？

解讀：梅西在阿根廷，南美和全球都排名第一。哈里凱恩在英格蘭排名第一，在歐洲排名第一，但在全球排名第二。而姆巴佩在法國排名第一，在歐洲排名第二，在全球排名第三。

值得注意的是：這里并沒有對所選的隊伍進行篩選，而是對所有數(shù)據(jù)排序并隱藏不在集合中的國家。這可以確保 Viz 是根據(jù)所有數(shù)據(jù)所計算的排名，而不僅僅是篩選后的可見數(shù)據(jù)。

示例 8：計算視圖中被移除數(shù)據(jù)的移動平均值

概念：時間序列分析通常需要篩選到特定的時間范圍內(nèi)，同時需要計算包括篩選時間段之前的數(shù)據(jù)。

數(shù)據(jù)源：Normalised London House Price Data (1995-2018)

情景：放大指定時間范圍，不僅可以查看按周銷售的房產(chǎn)數(shù)量，還可以查看固定時間段（52 周內(nèi)）房產(chǎn)銷售的移動平均值。

值得注意的是：在計算度量時，將返回所選時間范圍內(nèi)的度量值，否則返回空值。根據(jù)系統(tǒng)設(shè)計會自動隱藏空值度量，因此會使 Viz 自動縮放到所選時間范圍。

集操作使交互性更具表現(xiàn)力

集操作提供了強大的功能和靈活性幫助我們設(shè)計更有效的交互。用戶將擁有更多的控制權(quán)，這意味著我們可以得到更好的定制體驗和更豐富的分析。雖然這篇文章已經(jīng)提到了幾個例子，但集操作的潛力是無限的，我們期待在社區(qū)里看到集操作的應(yīng)用。