【Tableau】prep合併數據之聯結join

來自專欄 Tableau1 人贊了文章

一、理解Join和Union

在Tableau中，合併數據有兩個基本的方法，聯結join 和並集Union，更具體的說，是基於部分共同欄位的數據聯結Join，和全部欄位一致的數據並集Union。

不得不說，Tableau Prep的官方翻譯是有誤導性的，它把Join和Union翻譯為「聯結和合併」，又說，「兩種方法來合併 Tableau Prep 中的數據：聯接和合併」，非常容易導致理解Union上的誤解。

形象的講，可以這麼理解二者的區別：聯結Join用於不同的數據，Union用於相同的數據；聯結Join的結果是數據變得又高又胖（tall and wide）——增加了數據，同時增加了欄位數量；而並集Union的結果是數據變高卻沒有變胖（tall）——後面的數據追加到前面的數據，而欄位沒有增加。

• 聯結Join：不同的數據、有共同的欄位、欄位增多——橫向擴展了欄位，縱向增加了數據；
• 「並集」Union：相同結構的數據、完全相同的欄位、欄位不變——縱向追加數據。

Join容易理解，它在英文中的本意就是前後相接；在Tableau中，諸如標題列{ABCD }與{CDEF}聯結，結果就是{ABCDEF}，CD是聯結二者的共同欄位。

Union的本意就是指具有相同結構和屬性的人員、國家、企業等的合併，就像共同信仰的人成立政黨或工會、有共同價值的國家形成聯邦、同為國家的國家形成聯合國、企業成為集團等等；Tableau中的Union，要「確保合併的表具有相同的欄位數、相同的欄位名稱，並且欄位的數據類型相同」，因此「並集」也不是特別準確，邏輯學和常用的「並集」也有重合和不重合的情況，如果用「追加」詞語，可能更加清晰一些。

不妨我們就用Join和Union吧。

二、Join的用法和說明

任意兩個以上的數據表都可以在Join在一起，在flow面板中，把一個工作表直接拖拽到另一個上面，就會提示Join OR Union，放在右側是join（橫向擴展），放在下面是Union（縱向追加）。

1、聯結子句與判斷

此時，prep會自動建議一個聯結的欄位，比如在superstore中的Product ID，你可以從下面的「聯結子句建議」中增加新的子句，也可以在「聯結」右上角的「+」手動增加。

這裡要注意的是，聯結的判斷是可以修改的，默認是等於（=），可以修改為不等於、大於等於、小於等於，etc.

說一個使用「不等於」的案例，比如在做顧客分析時，首次購物時間可以通過min（購物時間）來查找，那第二次購物時間如何查找呢？通過Join聯結全部的購物記錄和首次購物記錄，通過 「購物時間」Join，然後修改為「不等於」（！=），這樣從全部購物記錄中把首次排除，之後再做一次Min（購物時間）的聚合就可以了。

2、聯結類型

在Join中，最重要的地方就在聯結子句（join clause）和聯結類型（Join Type），聯結類型分為幾種：

• 內部聯結（Inner Join，默認）：包含了兩側數據中的共同數據；
• 左聯結（Left Join）：以左側數據為主
• 右聯結（Right Join）
• 外聯結（Outer Join）

我們可以據一個最簡單的例子，Table 1有四行數據，Table 2有四行數據，其中兩行重合（1和3）通過B=B和C=C兩行數據來Join，四種聯結方式如下圖。最簡單的數據可以了解真相。

當然，如果我們只用B=B聯結怎麼辦？那就在內心中把C作為兩個欄位，一個叫C1，另一個叫C2，不要理會就好了——Tableau也是這麼乾的。

Tableau不愧為可視化王冠，它把聯結結果通過可視化的方式表達出來，可以清晰的看到數據的分布。結合經驗，可以提前判斷Join的可靠性。

三、注意要點

• 在Join的過程中，會遇到我們在講聚合aggregation中同樣的問題，不同的數據聚合程度，Join之後會造成理解上的誤解，因此建議同一詳細級別（Level of Detai）的數據執行Join操作。

這種不同級別的數據聯結（門店級別的銷售數據+公司級別的員工數據），會導致數據上的誤解：員工數量本來是各年度公司的總員工數（聚合度高）；聯結後，在門店詳細級別重複出現的「員工數量」欄位，會被認為是每個門店的員工數量（聚合度低的級別）。——這種情況就要在數據分析時特別加以注意。

• 默認的數據聯結子句是左右相等，必要時修改為「不等於」、「大於」等其他判斷；
• 使用數據可視化圖形，和對數據的了解經驗，提前判斷數據Join的可靠性。

4 Sep 2018

Healee

推薦閱讀：