Dodawaj, usuwaj i zmieniaj nazwy kolumn w R za pomocą Dplyr
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
W tym przykładzie będziemy dość zaawansowani w usłudze LuckyTemplates przy użyciu języka DAX. Skoncentrujemy się na segmentowaniu wymiarów na podstawie jego rankingu w tej konkretnej tabeli. Możesz obejrzeć pełny film tego samouczka na dole tego bloga.
To niesamowita koncepcja wykorzystania kolumn obliczeniowych w usłudze LuckyTemplates. Może to przynieść dodatkowe informacje, które nigdy nie byłyby możliwe przy użyciu tradycyjnych narzędzi, takich jak Excel.
Skuteczne wykorzystanie tych technik, a następnie zaimplementowanie wokół nich świetnych wizualizacji, w które również się zagłębię, może naprawdę zaprezentować Twoje dane w przekonujący sposób.
Spis treści
Wizualizacja danych segmentowanych
Zawsze mówiłem o niesamowitych możliwościach analitycznych usługi LuckyTemplates, ale nie zobaczysz tego poziomu analizy, jeśli używasz formuł języka DAX jeden po drugim. Jego prawdziwa moc ujawnia się, gdy używasz kombinacji różnych formuł i technik ułożonych razem.
To właśnie pokażę Ci na poniższej wizualizacji.
Ponownie, pokazanych tutaj danych nie można przeanalizować tak głęboko, jak to, jeśli nie nałożysz wielu formuł . Nazywam tę technikę rozgałęzieniem miary . Aby dodać do tego, nałożyłem również pewną logikę kolumn obliczeniowych, aby dalej rozbić wyniki. To najlepszy sposób, aby uzyskać naprawdę świetny wgląd w sprawę taką jak ta.
Na przykład na tym wykresie punktowym znajdującym się w prawej dolnej części raportu widać, że różne grupy danych reprezentują różne kolory. W tym przypadku kropki reprezentują miasta, a każdy kolor pokazuje najlepsze, najgorsze i te, których rankingi są po prostu w porządku.
Zobaczysz również, że nasza oś y pokazuje zmianę marży kwartał do kwartału . Z drugiej strony oś x pokazuje zmianę sprzedaży kwartał do kwartału .
Jest to rodzaj wglądu, który uzyskujemy, gdy segmentujemy nasze dane według rozgałęzień miar. Pokazuje, czy duży wzrost sprzedaży wynikał z dużego wzrostu marży i odwrotnie. Pokazuje korelację między tymi punktami danych.
Oczywiście jest to tylko zestaw danych demonstracyjnych, więc nie zobaczysz ogromnego klastra. Ale kiedy zastosujesz tę technikę do własnych danych, możesz uzyskać jeszcze bardziej zaawansowane spostrzeżenia.
Dzięki połączeniu wszystkich tych formuł i technik zauważysz również różnicę w ogólnym wyglądzie i stylu wizualizacji. Pokażę ci, co mam na myśli, usuwając legendę dla City Group.
Zwróć uwagę, że stworzyłem legendę Grupy miast, korzystając z logiki kolumn obliczeniowych . Więc kiedy usunę tę legendę, zmieni się sposób prezentacji danych. Nie daje nam tyle wglądu, ile potrzebujemy.
Wszystko, co teraz widzimy, to ogólne punkty danych. Nie pokazuje nam, gdzie są nasi najgorsi lub najlepsi klienci. Samo to pozbawia nas całego wglądu, który powinniśmy uzyskać.
Widzimy teraz, że te dodatkowe warstwy logiki rzeczywiście pozwalają nam zobaczyć rzeczy w znacznie lepszym świetle .
Teraz przeciągnę Grupę Miejską z powrotem jako legendę.
Jak widać, wizualizacja znacznie się poprawia.
Segmentacja i ranking Twoich danych
Tym razem chcę pokazać, jak podzieliłem te grupy klientów, aby stworzyć tę legendę.
Wewnątrz obliczonej kolumny użyłem , aby uzyskać rangę każdego miasta na podstawie podanych wymiarów. W tym przypadku oceniamy je na podstawie sprzedaży.
W formule uwzględniłem regiony w naszej tabeli i ich łączną sprzedaż .
RANKX jest tutaj niezwykle pomocny, ponieważ daje nam sposób na uporządkowanie wszystkich tych danych i uzyskanie wglądu w nie.
Możemy sprawdzić nie tylko, które miasta radzą sobie dobrze, ale także te, które nie radzą sobie tak dobrze, dlatego znajdują się one na dole kolumny.
Ta funkcja jest również podstawą następnej logiki, której zamierzam użyć.
Więc oprócz RANKX użyłem również , aby stworzyć dodatkowy wymiar.
Dzięki tej dodatkowej warstwie mogę teraz zobaczyć, które miasta osiągają najlepsze wyniki, a które najsłabiej. Tak więc, jeśli Ranking Sprzedaży Miasta jest niższy lub równy 10, są one oznaczane jako część „Najlepszych”.
To naprawdę świetna technika, której możesz użyć do stworzenia większej liczby sposobów segmentacji danych. Zauważ, że jest to przydatne nie tylko na wykresie punktowym. Można to również zastosować do różnych typów wizualizacji.
Na przykład możesz go również użyć na wykresie pierścieniowym, jak pokazano poniżej.
Zobaczysz również, że wykres pierścieniowy i wykres punktowy poruszają się obok siebie. Jeśli więc kliknę część, która przedstawia najgorsze liczby na wykresie pierścieniowym, wykres punktowy również się dostosuje.
To pozwala nam skoncentrować się na podzbiorach danych lub innych wymiarach.
Techniki segmentacji klientów przy użyciu modelu danych — LuckyTemplates i DAX
Wykorzystanie języka DAX do segmentacji i grupowania danych w usłudze LuckyTemplates
Segmentacja danych na podstawie grup procentowych — zaawansowany język DAX w usłudze LuckyTemplates
Wniosek
Spróbuj zagłębić się w te techniki i zaimplementować niektóre z nich we własnych modelach. Jestem przekonany, że zobaczysz dobre wyniki i będziesz zadowolony z wyników pod względem tego, co otrzymasz w swoich raportach i pulpicie nawigacyjnym.
Mamy nadzieję, że widzisz, jak połączenie tych różnych technik może zapewnić naprawdę zaawansowany poziom analizy. Wykonanie tego w usłudze LuckyTemplates może zapewnić naprawdę szczegółowe raporty i wysokiej jakości wizualizacje, takie jak w naszym przykładzie.
Wszystkiego najlepszego.
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
Odkryj różnorodne funkcje zbierania, które można wykorzystać w Power Automate. Zdobądź praktyczne informacje o funkcjach tablicowych i ich zastosowaniu.
Z tego samouczka dowiesz się, jak ocenić wydajność kodów DAX przy użyciu opcji Uruchom test porównawczy w DAX Studio.
Czym jest self w Pythonie: przykłady z życia wzięte
Dowiesz się, jak zapisywać i ładować obiekty z pliku .rds w R. Ten blog będzie również omawiał sposób importowania obiektów z R do LuckyTemplates.
Z tego samouczka języka kodowania DAX dowiesz się, jak używać funkcji GENERUJ i jak dynamicznie zmieniać tytuł miary.
W tym samouczku omówiono sposób korzystania z techniki wielowątkowych wizualizacji dynamicznych w celu tworzenia szczegółowych informacji na podstawie dynamicznych wizualizacji danych w raportach.
W tym artykule omówię kontekst filtra. Kontekst filtrowania to jeden z głównych tematów, z którym każdy użytkownik usługi LuckyTemplates powinien zapoznać się na początku.
Chcę pokazać, jak usługa online LuckyTemplates Apps może pomóc w zarządzaniu różnymi raportami i spostrzeżeniami generowanymi z różnych źródeł.
Dowiedz się, jak obliczyć zmiany marży zysku przy użyciu technik, takich jak rozgałęzianie miar i łączenie formuł języka DAX w usłudze LuckyTemplates.