Tableau基礎 | 如何應對Excel的格式

02-05

這篇說說數據格式的那些事，原文來自tableau官方的KB（knowledge base），點擊這裡鏈接到原文。

先提問：

為什麼我從excel導入的數據做不出想要的樣子？ tableau好難啊，猝！
為什麼excel簡簡單單的圖表到tableau中反而這麼複雜？ tableau好low啊，猝！

主要原因有兩個：

tableau是所謂的面向列的軟體
tableau只是對數據敏感，對Excel的格式是無興趣

對於「面向列」的軟體這個說法，以後再介紹，這裡專心聊聊Excel的哪些使用習慣，是tableau無法消化的。

可視化分析，作為一個工具，不論你是用來幫助決策，又或者是僅僅是為了PPT的美觀，這都不重要，重要的是，並不是所有的文件直接拖進tableau就可以瞬間變得美麗。這是需要條件滴。

一千個讀者眼裡有一千個哈姆雷特
一千個同事，就有一千種Excel格式

日常工作中，滿天飛來飛去的Excel表格，你肯定見過很多形式組織的數據表。

tableau在V10版本內嵌了一個工具，Data Interpreter，作用是自動去適配一些Excel中的格式。在數據不是特別複雜的情況下，你其實可以通過Data Interpreter 自動處理，但它並不能百分之百解決這些問題。

tableau通過KB發布了這篇文章，總結了常見的不合適的格式，強烈建議大家按照這些建議規整數據。比如，請不要使用合併單元格、居中、字體這些擴展信息。因為這些擴展的信息是Excel私有的，tableau並沒有兼容這些格式化的信息，所以這些格式化信息對tableau是無用的，有的時候甚至是阻礙。

如下表的「郵寄方式」就是一種典型的「合併單元格」：

那麼，開始正題，按照如下順序聊聊讓tableau抓狂的數據格式：

數據透視表樣式數據的優化

去掉Sub-total

去掉表格首行的介紹

將分層的多層標題，轉成單行標題

刪除空行

補充空的欄位名字

1. 數據透視表

當數據的結構是參照數據透視表結構，或者叫交叉表（cross-tab format）結構，那麼這種表是面向「列」的。也就是說，每一列的列首是媽媽，後別帶著一群孩子。比如下表的數據，Math學科名是媽媽，分數（90、50、50）是孩子。我們關注的數據以這樣一個方式，變數名被存儲位為列標題。

而在tableau中，它則是類似資料庫結構一樣的，面向「行」存儲。

比如下面這個表格，就是所謂的數據透視表樣式的，「面向列」的表格

注意，面向列的特點在於，三個學科的成績---math, science,history---是以三列單獨存在

回想一下，生活中遇到的各種統計信息嗎，是不是大多是這樣的？

會議記錄
消費統計
匯總報告

再來看看tableau中面向行應該是什麼樣子。

我們遵循這個原則

一般的，我們將具有同一類屬性的數據記錄在相同的欄位

源數據中，math、science、history是三個學科的名字，同屬於一件對象，就是「學科」（Subject），所以將這三科的成績組合在一起，新建一列標題為"Subject"，同時，再命名一個列，叫做分數"Score"

修改優化後的結構如下：

2. 去掉sub total

我們日常所用的數據，為了便於閱讀，往往會在表格底部或者右邊做匯總處理（如下圖）subtotals 或 grand totals.，但是這些匯總處理在tableau中，其實是無用值，我們需要把它去掉。

換句話說，數據中包含了總計、平均、中位數等等聚合

有人說了，我是需要這個總計的啊，不能移除！

別急，正確的做法應該是：

將這一行匯總移出
然後將excel數據連接到tableau
使用tableau內置的匯總計算生成subtotals 或 grand totals

你可以這樣理解，讀入tableau數據都是最原始的客觀記錄數據，不需要任何二次計算，因為在tableau中這些二次計算都是最基本、最簡單的功能。

修改優化後的結構如下：

3. 去掉表格首行的介紹

Excel在郵件中往來，在表格頂端加上描述語言，其實是很有利於閱讀的事情。而在tableau當中就不一樣了，它只關心數據，不關心數據以外的事情，比如介紹。

比如下表，第1列中，包含了這篇報告的名字和日期，這一塊數據就是所謂的introductory text

所以在這個案例中，標題和日期信息需要被移除掉，修改優化後的結構如下：

如果你一定要看到日期和，報告的名字，tableau中是可以設置標題和文字注釋的。

總之，給tableau數據，它只認識結構完整的數據

4. 將分層的多層標題，轉成單行標題

一類數據中，包含著更上級的數據。比如下表，1-5的數據都是隸屬於California，所以作者在大表的頂端增加了California。

一般情況下，tableau需要只有第一行表頭，就是是你的excel數據表頭

因為，如果你的數據包含了多層表頭，分析可能會出現問題。比如你的，報表欄位包含了主要分類和次要分類，這種情況下，一定要將雙層表頭，變成單層表頭。

修改方法很簡單，你可以創建一個新列，名字就是California。

修改優化後的結構如下：

5. 刪除空白單元格

上一個案例，我們將雙層表格轉換成了單層，有時候會遇到沒有全部填充的情況，會出現空單元格，這是肯定有誤的，如下：

* 注意：不能留有空白單元格，需要填充，記住tableau是以行為單位去讀取數據的

假如ID 2對應的state沒有填充California，它是不會去讀取ID 1的state的。

而我們需要的是將這個新列的數據向下填充，保持每行的數據都有這個欄位，保持一致。如果是不重要的數據，一定要將它移除。

修改優化後的結構如下：

同樣，數據中間也不能存在空行，需要移除，如下是錯誤的：

6. 欄位行首不能為空

既然state中間不能有空白數據，那麼行首的單元格，也就是表頭也不能為空。

如下表的第二列的首行kongbaish

其實如果你的行首為空，又或者是有重複欄位名，tableau在讀入數據的時候會自動將空的欄位名補全一個默認的名字，但是你有可能混淆，不方便分辨，所以建議在原始數據excel中，將欄位補全。

如下是原始數據，首行並未設置

如下是tableau自動補全的欄位名，使用Fx依次填充（x=1,2,3,4.....）：

Peace!