Wat is zelf in Python: voorbeelden uit de echte wereld
Wat is zelf in Python: voorbeelden uit de echte wereld
In deze zelfstudie bespreken we hoe u creatief gebruik kunt maken van een LuckyTemplates-spreidingsdiagram. We gaan ook in op een van de beperkingen en hoe we daarmee om kunnen gaan. Een spreidingsdiagram, ook wel spreidingsplot genoemd, gebruikt een reeks punten om gegevens weer te geven. Dit type gegevensvisualisatie wordt gebruikt om de relatie tussen verschillende variabelen weer te geven.
Inhoudsopgave
Voorwaardelijke opmaak voor een LuckyTemplates-spreidingsdiagram
Het spreidingsdiagram is bijna ieders favoriet. Een van de beperkingen is echter dat er geen voorwaardelijke opmaak voor beschikbaar is. Stel dat we het spreidingsdiagram in dit rapport voorwaardelijk willen opmaken. Als we naar Gegevenskleuren gaan , zien we dat we die optie niet hebben.
Om diverse kleuren te krijgen, moeten we een vrij complexe DAX-code en een tabel maken. Het patroon dat voor dit bepaalde scenario wordt gebruikt, wordt dynamische segmentatie genoemd . We hebben veel video's die gerelateerd zijn aan dit onderwerp in ons EDNA YouTube-kanaal en . Je kunt die bekijken als je dat nog niet hebt gedaan.
We kunnen nog steeds de voorwaardelijke opmaak uitvoeren zonder complexe DAX-codes te hoeven maken. Maar we kunnen het alleen doen in Charticu lator en niet in LuckyTemplates visual.
Creatief aan de slag met LuckyTemplates-spreidingsdiagrammen
Laten we het ook hebben over hoe u spreidingsdiagrammen creatief kunt gebruiken. In dit rapport hebben we een spreidingsdiagram gebruikt dat het gemiddelde aantal dagen weergeeft om klachten op te lossen, en het aantal klachten op de y-as.
Om de gebruiker meer zichtbaarheid te geven, hebben we een kaartafbeelding toegevoegd. Hierdoor kunnen de eindgebruikers zien hoeveel van hen slechte , gemiddelde , beste en beste presteerders zijn.
Een Jitter-effect maken voor een LuckyTemplates-spreidingsdiagram
Spreidingsdiagrammen hebben geen Jitter-effect in LuckyTemplates. Meestal staan de stippen in een rechte lijn. Het Jitter-effect kan echter ook nuttig zijn omdat het spaties creëert tussen de gegevenspunten. We kunnen dit type visual bereiken door een aangepaste visual te maken in Charticulator, maar daar zullen we ons in deze tutorial niet op concentreren.
In dit voorbeeld hebben we in plaats daarvan de Dynamic Segmentation- techniek gebruikt. Maar we hebben het op een andere creatieve manier gedaan. Dit is het type spreidingsdiagram dat ik heb gemaakt in mijn -rapport.
Dit uitdagingsrapport was gerelateerd aan de leveranciersinzichten, waarbij we een totaal aantal defecten moesten evalueren op basis van verschillende criteria. We evalueerden ook het totale aantal downtime veroorzaakt door het defecte materiaal van de leveranciers.
1. De maatregelen creëren
In dit rapport heb ik een maatstaf gebruikt waarbij ik de leveranciers in het risicogebied plaatste als de downtime-uren groter waren dan 400 .
Ik heb ook een meting gemaakt voor de leveranciers met een gemiddeld risico waarbij de downtime-uren als gevolg van defect materiaal tussen de 200 en 400 liggen .
Voor leveranciers met een laag risico zijn de downtime-uren minder dan of gelijk aan 200 .
Laten we eerst de metingen analyseren, daarna laat ik zien hoe ik de spreidingsdiagrammen heb gemaakt. Voor de risicovolle leveranciers heb ik de leveranciers gegroepeerd op het aantal uren.
Als we een tabel maken, hoeven we geen berekende kolom te maken om het resultaat te zien. We kunnen een virtuele tabel maken en de resultaten testen in DAX Studio. Om nu het resultaat van de vorige code te zien, kopieert u gewoon de virtuele tabelcode. Ga vervolgens naar Externe tools en klik op DAX Studio .
Plak hier de virtuele tafelcode.
Schrijf de EVALUATE- verklaring.
Voer vervolgens deze code uit.
Als gevolg hiervan worden de leveranciers samengevat en gegroepeerd op het aantal uren.
Daarna heb ik de leveranciers eruit gefilterd wier defect materiaal heeft geleid tot meer dan 400 uur downtime .
Vervolgens heb ik met deze criteria het totale aantal downtime-uren berekend.
Hetzelfde heb ik gedaan met de maatregelen voor verkopers met een gemiddeld risico en een laag risico.
2. Een spreidingsdiagram maken
Laten we nu bespreken hoe u een spreidingsdiagram kunt maken. Ik heb de bestaande grafiek voor de leveranciers met een hoog risico verwijderd, zodat we deze helemaal opnieuw kunnen maken.
Klik eerst op het spreidingsdiagram in het deelvenster Visualisaties .
Voeg vervolgens eerst de meetwaarden toe voor het spreidingsdiagram met een hoog risico. Ik heb de meting Hoogrisicoleveranciers per uitvaltijd toegevoegd aan het veld Y-as , de meting Total Defects aan de X-as en de meting leverancier aan het veld Details .
Veel mensen weten niet hoe ze de grootte van spreidingsdiagrammen moeten aanpassen. We willen bijvoorbeeld de grootte van dit spreidingsdiagram wijzigen, precies zoals het spreidingsdiagram voor de leverancier met gemiddeld risico.
Wat we kunnen doen, is kijken naar de breedte en hoogte van het spreidingsdiagram van leveranciers met een gemiddeld risico.
Voer vervolgens dezelfde waarden in voor de breedte en hoogte van het spreidingsdiagram met een hoog risico.
Plaats het vervolgens in dezelfde positie als de andere spreidingsdiagrammen. Bekijk hiervoor de Y-positie van de andere spreidingsdiagrammen. Zoals je kunt zien, is hun Y-positie 238 .
Gebruik dat dus ook gewoon in het spreidingsdiagram voor leveranciers met een hoog risico.
Zoals je kunt zien, zijn ze nu op één lijn met elkaar. Schakel daarna de titel en achtergrond uit zodat het er zo uitziet.
Wijzig vervolgens de kleur van de gegevenspunten. Ga naar Gegevenskleuren en selecteer de kleur van uw voorkeur in de Standaardkleurselectie .
Laten we ook de kleur van de rasterlijnen en de waarden wijzigen. Ga naar de X-as en verander de kleur. Er is ook een optie om de tekstgrootte te wijzigen en de titel uit te schakelen.
We kunnen hier ook de kleur en stijl van de rasterlijnen wijzigen. Laten we voor dit voorbeeld de kleur van de rasterlijnen wijzigen in een donkerdere kleur en de lijnstijl in Streepjes . Voer dezelfde wijziging uit voor de Y-as .
Laten we ten slotte de vorm bovenop de visual plaatsen. Ga gewoon naar Invoegen en selecteer vervolgens Rechthoek onder de optie Vormen .
Laten we ook de grootte en positie van de vorm kopiëren voor de andere spreidingsdiagrammen.
Voer dezelfde waarden in voor deze rechthoekvorm .
Het volgende is om de waarde Ronde randen van de andere vormen te controleren. Voor dit voorbeeld heb ik 13 px gebruikt voor hun ronde randen .
Schakel vervolgens de vulkleur uit . Wijzig bovendien de kleur en het gewicht van de vormrand.
Spreidingsdiagrammen in LuckyTemplates: belangrijke punten benadrukken
Hoe de ingebouwde analyse voor LuckyTemplates Spreidingsdiagrammen te gebruiken
LuckyTemplates Desktop Update: The Charticulator Visual
Conclusie
Kortom, u heeft een van de grootste beperkingen van een LuckyTemplates- spreidingsdiagram geleerd, evenals de twee oplossingen om dit op te lossen. U hebt ook geleerd hoe u spreidingsdiagrammen creatief kunt gebruiken en maken.
Als u uw leren naar een hoger niveau wilt tillen, kunt u ook een dynamische segmentatie maken in elk van de spreidingsdiagrammen.
Bekijk de onderstaande links voor meer voorbeelden en gerelateerde inhoud.
Tot de volgende keer,
Mudassir
Wat is zelf in Python: voorbeelden uit de echte wereld
Je leert hoe je objecten uit een .rds-bestand in R opslaat en laadt. In deze blog wordt ook besproken hoe je objecten uit R naar LuckyTemplates importeert.
In deze tutorial over DAX-coderingstaal leert u hoe u de functie GENERATE gebruikt en hoe u de titel van een maat dynamisch wijzigt.
Deze zelfstudie behandelt hoe u de Multi Threaded Dynamic Visuals-techniek kunt gebruiken om inzichten te creëren op basis van dynamische gegevensvisualisaties in uw rapporten.
In dit artikel zal ik de filtercontext doornemen. Filtercontext is een van de belangrijkste onderwerpen waarover elke LuckyTemplates-gebruiker in eerste instantie zou moeten leren.
Ik wil laten zien hoe de online service LuckyTemplates Apps kan helpen bij het beheren van verschillende rapporten en inzichten die uit verschillende bronnen zijn gegenereerd.
Leer hoe u wijzigingen in uw winstmarge kunt berekenen met behulp van technieken zoals vertakking van metingen en het combineren van DAX-formules in LuckyTemplates.
Deze tutorial bespreekt de ideeën van materialisatie van datacaches en hoe deze de prestaties van DAX beïnvloeden bij het leveren van resultaten.
Als u tot nu toe nog steeds Excel gebruikt, is dit het beste moment om LuckyTemplates te gaan gebruiken voor uw zakelijke rapportagebehoeften.
Wat is LuckyTemplates Gateway? Alles wat u moet weten