2.2 数据基础概念：字段、图形与拖曳逻辑

2.2.1 编码：从真实世界到虚拟世界

真实世界充满了复杂性，计算机理解世界的方式是把世界的各种存在“编码”为“字段”，然后借助字段的相互关系描述世界。比如“喜乐君”代表主体（一个人），“Tableau”代表客体（一款软件），下面以“喜乐君在写一本Tableau主题的书”来理解关系逻辑。如图2-7所示，“字段”通常是有效数据编码的最小单位。

字段是计算机世界对我们感官世界的抽象描述和概括，也是连接真实世界和计算机世界的桥梁。按照描述对象的不同分类，字段编码会有一个基本属性：数据类型。最主要的两种数据类型是字符串和数字，分别描述文本和数值。

字符串中有一些具有鲜明的独特性。其一是时间，Tableau把时间分为“日期”和“日期时间”两个子类。时间相对于其他字符串的独特性在于自带层次和具有连续性。其二是地理位置，它们代表了众所周知的全球唯一位置或者区域。其三是布尔值，即有/无、是/否的判断，计算机用1/0记录。

其中，数字又可以被分为整数和小数。在Tableau 2020.2之前的版本中，“数字（小数）”被误译为“数字（十进制）”，这是对“decimal”的错误翻译，笔者已经提交给Tableau国际化小组并确认会在Tableau 2020.2版本中尽快更正。本书中的相关插图都做了提前修改。

2.2.2 数据分析的两种表达方式：数据交叉表与可视化图表

在介绍字段的分类之前，先介绍一下两种数据分析的表达方式：数据交叉表和可视化图表；前者强调数据，后者强调图形，二者的背后都是数据的聚合。相比之下，可视化的表达方式与直觉更加相应。

图2-8中的两种视图都由类别、子类别、销售额与利润4个字段构成（销售额和利润默认使用了“求和”聚合）。唯一的差别在于展示的方式不同，右侧多了坐标轴和图形标记。

数据分析犹如准备一份可口的美味佳肴，而数据库中有的所有字段，如同炒菜的基本食材。我们先要知道肉、菜、料、油的不同分类及其特征，掌握放每一类食材的烹饪反应，再加上想象力和创造性作为，从而准备一份独特的美味。

根据数据属性可以把字段分为分类和量化两类，根据数据值是否连续又可以把字段分为连续和离散两种。下面将从这两个视角详细分析，总结从字段到图形的逻辑，读者应该牢记最后的结论。

2.2.3 字段的两种分类：维度和度量

在2.2.1节讲到，数据类型主要分为字符串和数字两种。从问题的角度，它们分别对应“是什么”和“有多少”，专业术语称之为“分类字段”和“量化字段”，Tableau称之为维度（Dimension）和度量（Measure），这也是大部分分析工具对数据的分类方法。

每个问题必然包含维度和度量两种字段，二者的作用截然不同。先看以下几个问题：

● 各类别、各细分的利润总和是多少？

● 各地区、各月份的利润总和趋势如何？

● 公司的利润合计是多少？

同样是分析利润，这几个问题的差异是由什么决定的？是由问题中的分类字段，即维度决定的。

可见，维度描述“问题是什么”，度量描述“答案有多少”。在Tableau Desktop中，每个问题必然对应一个视图，而问题的层次对应视图的详细级别，因此常说“维度决定了视图详细级别（LOD）”。在上面的3个问题中，本书分别用“类别*细分”“地区*月份”和“公司”来描述问题的层次。

聚合用来提供答案，由明细数据中的众多数据聚合而成。概括而言，用图2-9总结维度字段和度量字段的作用。

在Tableau Desktop中，把字段加入视图后，维度字段构建详细级别（LOD）来表达“问题是什么”，而度量自动聚合回答“答案有多少”。在图2-10中，我们用数据交叉表和可视化图表展示“每个类别、子类别的利润和销售额总和”，由于使用了相同的维度和度量字段，两种视图所要回答的问题完全一致。

虽然回答的问题完全相同，但是效果却迥然不同。图2-10右侧的可视化图表用条形图的长度代表销售额（注意坐标轴）、颜色代表利润（注意颜色图例），无须理性思考即可直观地发现：书架和椅子的销售额和利润贡献都很好，而桌子的销售额居中但利润严重亏损。

相比数据交叉表，可视化图表的奥秘在于增加了坐标轴，这就取决于字段的另一个属性：离散和连续特征。

2.2.4 字段的两种特征：连续和离散

字段是连续的，指字段内的数据有先后顺序。主要有两类连续字段：日期和数字。

其一是日期，3月13日必在3月14日之前，且在3月12日之后，这3个数据有必然的先后顺序。

其二是数字，3、4、5、6和1.1、1.2、1.3都是前后相序的，称之为连续。

在图表中，表达连续数据的最佳方法是把数据放在坐标轴上，如图2-11所示，每个刻度代表一个日期或者一个数值，分别对应坐标轴的一个位置。

除此之外的字段，比如一组公司名称“石药、以岭、国药、哈药”，各个数据之间相互独立，没有先后顺序也不相互依赖，这样的字段称之为“离散字段”。不过，离散字段可以根据分析需要设置排序条件，比如按照市值、利润率，或者成立日期排名。

在视图中表示离散字段，就是一组数据的排列，可以称之为“列表”或者“标题”。在Tableau Desktop中对应数据源中的明细。

判断字段内的数据是否有必然的先后关系，是理解连续和离散字段的最简单的方式。还有一种更加抽象的理解方式：看字段内任何两个元素之间是否可以切分为更小的单元。理论上连续字段都可以不断切分，比如在3和4之间还有无数个数字，3月1日和3月2日之间还有无数个时间点。相反，离散字段内的两个元素是独立的，也就没有切分依据。第5章会介绍使用“数据桶”（Bin）功能，把连续的数据按照一定的距离（步长）划分为离散的分组，相当于对连续字段的重新切分。

有先后顺序和能无限切分，是连续字段的基本特征。

为了更好地区分字段的两个特征，Tableau中使用颜色来表示不同的字段：绿色代表连续（想象一下红绿灯，绿色代表通行，通行即连续），蓝色代表离散。因此，将字段拖曳到视图中如同一个胶囊，每个胶囊也都按照连续和离散属性标记了颜色——本书也会采用这种颜色表示法，帮助读者理解讲述的内容。

如上所述，离散字段通常生成标题，而连续字段生成坐标轴。

连续字段和离散字段不仅影响视图的显示方式，也会影响颜色的使用。如图2-12所示，给坐标轴上的数据着色，Tableau Desktop会自动增加渐变色。

相比之下，离散字段中的多个元素没有必然的先后顺序，任意两个字段之间也就不能继续切分其他数值。比如“员工ID”“顾客姓名”。离散字段在可视化视图中会用并排的标题来表示，既然相互之间无关，我们在给离散字段着色时，颜色不是渐变色，而是相互无关的对比色。

2.2.5 从字段到图形：Tableau Desktop的设计逻辑

维度与度量、连续与离散，是Tableau Desktop描述字段最关键的视角，也是计算机把数据转化为图形的逻辑基础。Tableau Desktop用拖曳来自动生成可视化图形，那么拖曳的逻辑是怎样的呢？

简而言之，可以概括为：

数据分析是解释问题和寻找答案的过程。问题和答案都由两部分构成：分析对象（是什么）和分析特征（有多少）。Tableau Desktop用维度描述对象“问题是什么”，度量描述特征“答案有多少”；在分析过程中，维度描述视图中的详细级别，对应问题的层次，即“维度决定层次”（见2.2.3节）。

“是什么”是一个展示数据库有哪些不重复数据的过程，并全部列举出来，因此“离散生成标题”，如图2-13所示。

而“有多少”是用一个数概括所有数据，因此“度量默认聚合”的结果就是一个数字。“聚合”取砂石聚合为山、月日聚合为年的意思。最常见的聚合是求和。

当然，维度也可以根据需要手动聚合，比如计算新客户的数量（计数）、最早的购买日期（最小值）。下面我们以5笔订单的销售金额为例，记为{4，3，4.5，7，3}，来介绍常见的聚合方式，如表2-1所示。

注意，上述聚合方式都会忽略空值，空值用null代表。要把空值改为0，可以在字段外面嵌套一层ZN函数——ZN即if null then zero（如果为空，则为0）（见第8章）。比如：

SUM（ZN（[销售额]））

聚合是数据分析最关键的动作，图2-14描述了计算的过程和层次的变化。

至此，我们介绍了数据分析最基础的概念部分，核心是理解问题背后的数据层次。回答层次问题需要聚合，聚合结果可以用数据交叉表展示，也可以用可视化图表来展示；生成可视化图表最常见的方式是坐标轴，坐标轴借助连续字段创建。笔者多年的学习和总结，如图2-15所示。

深刻理解并完整地记住图2-15的内容，是熟练并优雅地使用Tableau Desktop的必备条件。图2-15不仅适用于Tableau Desktop，也适用于同类的可视化分析工具。