Tableau 从零到精通:系统教学文档(自学版)

目录

1、认识Tableau:产品、能力与学习路径

2、安装与环境准备(含Public/Cloud/Server简介)

3、数据连接与准备:连接、抽取、关系/连接、联合、数据源过滤

4、维度与度量、离散与连续、标记卡与搁架(Shelves)

5、可视化基础图表

条形/堆叠条形图:类别对比

折线/面积图:时间序列趋势和累计

散点图:两变量关系、加趋势线

直方图:分布

箱线图:分布与异常值

树图:占比构成

热力图:矩阵型对比

子弹图:目标vs实际

甘特图:项目进度/工期

地图:地理分析

6、过滤器、排序、分组、集合、层级

[7、计算:行级/聚合/Table Calculation/LOD表达式](#7、计算:行级/聚合/Table Calculation/LOD表达式)

8、参数与控制交互

9、仪表板与故事:布局、动作、响应式适配

[10、地图与地理分析:地理编码、密度图、Filled Map、图层控制](#10、地图与地理分析:地理编码、密度图、Filled Map、图层控制)

11、Analytics分析窗格:趋势线、预测、聚类、参考线/带

12、性能与最佳实践:提速、抽取、数据模型优化、顺序与粒度

13、发布与协作:Server/Cloud、权限、定时刷新、订阅与警报


1、认识Tableau:产品、能力与学习路径

Tableau 是做什么的?

一款以"拖拽 + 可视化分析"为核心的商业智能(BI)工具。强调速度、交互与"视觉思维"。

核心组件:

  • Tableau Desktop / Tableau Public:本地建模与制作可视化;Public 免费、作品公开。

  • Tableau Server / Tableau Cloud:发布共享、权限管理、刷新、协作。

  • Tableau Prep:图形化数据准备(清洗、合并、转换)。

  • Tableau Mobile:移动端查看与交互。

你将学到:从数据连接 → 模型构建 → 可视化 → 交互 → 仪表板 → 发布与协作 → 性能优化。

学习建议路径:

  1. 安装与界面熟悉 → 2) 数据连接/基础图表 → 3) 过滤/分组/集合 → 4) 计算与 LOD → 5) 仪表板与动作 → 6) 地理分析 → 7) 发布与优化 → 8) 项目实战。

2、安装与环境准备(含Public/Cloud/Server简介)

选择版本:

  • Tableau Public(免费):适合入门,保存到 Public Gallery,不能保存在本地(2025 年可能允许导出包,具体以版本为准)。

  • Tableau Desktop(试用/付费):完整功能,适合工作与项目。

  • Tableau Cloud/Server:协作与发布端。

安装步骤(Desktop 为例):

  1. 下载对应系统安装包 → 双击安装 → 登录或注册账号。

  2. 语言设置:可选中文界面;若学习资料多为英文,建议保留英文术语(便于查找)。

  3. 准备练习数据:Sample - Superstore.xls(安装后自带)或官网示例数据;另外准备 1--2 份 CSV(如订单、客户、地理信息)。

界面速览:

  • 数据源页(Data Source):连接、预览、关系/连接(Join)与联合(Union)。

  • 工作表(Worksheet):Rows、Columns、Marks(标记卡)、Filter、Pages、Data Pane(字段)

  • 仪表板(Dashboard)、故事(Story)页签。

3、数据连接与准备:连接、抽取、关系/连接、联合、数据源过滤

数据连接类型:文件(Excel/CSV/JSON/Spatial)、数据库(MySQL/SQL Server/PostgreSQL/Oracle/BigQuery/Snowflake 等)、Web 数据连接器(WDC)。

Live vs Extract(抽取):

  • Live 实时:直接查询数据源,实时性高,性能取决于源。

  • Extract 抽取 :生成 .hyper 文件,提升性能,可设定刷新(全量/增量)。

数据模型:关系(Relationship) vs 连接(Join):

  • 关系(默认推荐):逻辑层;按视图粒度在查询时再决定连接方式;避免笛卡尔爆炸与重复聚合。

  • 连接(Join):物理层;内/左/右/全外,需明确连接键;适合确凿的表结构。

联合(Union):按行拼接,适合相同字段结构的多文件/多月度表合并。

数据源过滤(Data Source Filters):在进入工作表前进行全局过滤,减少数据量、提升性能。

Prep 基础(可选):

  • 拖拽节点(输入 → 清洗 → 合并 → 输出);

  • 常见操作:拆分列、透视(Pivot)、填补缺失、分组与标准化、写出 .hyper。

4、维度与度量、离散与连续、标记卡与搁架(Shelves)

维度(Dimension) :用于切片分组(如类别、地区、日期)。 度量(Measure):可聚合的数值(如销售额、数量、利润)。

离散(Discrete,蓝) vs 连续(Continuous,绿):

  • 离散字段创建离散刻度/标签(如类别列表)。

  • 连续字段创建连续轴(如连续时间、数值轴)。

标记卡(Marks) :控制图表元素------类型(自动/条/线/形状/地图/甘特/面积) 、颜色 、大小 、标签 、细节 、工具提示。

搁架(Shelves) :Columns、Rows、Filters、Pages。拖拽字段到搁架决定编码方式。

5、可视化基础图表

条形/堆叠条形图:类别对比

步骤(条形)

  1. 将 Category(类别) 拖到 Rows。

  2. 将 Sales(销售额) 拖到 Columns。

  3. Marks 选 Bar。

  4. 排序:点击轴上的排序按钮(降序)。

堆叠

  1. 在上面基础上,把 Segment(客户细分) 拖到 Color。

  2. 若未堆叠:Analysis › Stack Marks › On。

可选强化

  • 把 Label 勾上(Marks › Label),显示数值;

  • 切换为 横向/纵向 :Swap 按钮;

  • 加总计:Analytics 面板拖 Total 到表。

折线/面积图:时间序列趋势和累计

步骤(折线)

  1. 将 Order Date(下单日期) 拖到 Columns ,在其小胶囊上选择 MONTH(连续)。

  2. 将 Sales 拖到 Rows。

  3. Marks 选 Line(若不是自动)。

面积图

  • 复制该工作表,Marks 选 Area 即可。

累计面积(Running Sum)

  1. 在面积图上,右击 SUM(Sales) → Quick Table Calculation › Running Total。

  2. 若要显示两条(当期与累计):将 SUM(Sales) 复制到 Rows 形成两条轴,一条保持原值,一条设 Running Total,再 Dual Axis (双轴)并 Synchronize Axis。

可选强化

  • 按年-月层次:将 YEAR(Order Date) 与 MONTH(Order Date) 组合或使用层级钻取;

  • 添加参考线:Analytics → 拖 Average 到视图。

散点图:两变量关系、加趋势线

步骤

  1. 将 Sales 拖到 Columns ,Profit 拖到 Rows。

  2. 在 Marks 设为 Circle。

  3. 将 Sub-Category(子类别) 或 Customer Name(客户名) 拖到 Detail(点就会按该维度展开)。

  4. 加趋势线:Analytics → 拖 Trend Line(Linear 线性)到视图。

可选强化

  • 颜色区分盈利与亏损:将 Profit 拖到 Color;

  • 添加参考线在 X/Y 轴为 0,快速识别象限:Analytics › Constant Line 设为 0。


直方图:分布

步骤

  1. 在数据窗格右击 Profit → Create › Bins...(建议 Bin 大小 50 或 100,可试)。

  2. 将新生成的 Profit (bin) 拖到 Columns。

  3. 将 Number of Records (记录计数)拖到 Rows。

  4. Marks 选 Bar。

可选强化

  • 拖 Region 到 Color,比较地区分布;

  • 在 Tooltip 显示区间范围与样本数(自动带出,可自定义)。

箱线图:分布与异常值

步骤

  1. 将 Sub-Category 拖到 Columns。

  2. 将 Profit 拖到 Rows。

  3. Marks 选 Box-and-Whisker Plot :Show Me 面板直接点箱线图(或 Analysis › Aggregate Measures 勾上后,Marks 选 Box Plot)。

  4. 若仍为散点,使用 Analytics › Box Plot 拖入(作用于Pane)。

可选强化

  • 过滤极端子类:将 Profit 拖到 Filters 限定范围;

  • 在 Box Plot 的设置里勾选显示离群点。

树图:占比构成

步骤

  1. 将 Sub-Category 拖到 Label。

  2. 将 Sales 拖到 Size。

  3. 将 Profit 拖到 Color。

  4. Marks 选 Treemap (或 Show Me › Treemap)。

可选强化

  • 改为两级:把 Category 拖到 Label ,将 Sub-Category 放到 Label 下方,形成层级标签;

  • 亏损高亮:在 Color 调色板选 Diverging,使负利润更醒目。

热力图:矩阵型对比

步骤

  1. 将 Category 拖到 Rows ,Region 拖到 Columns。

  2. 将 Sales 拖到 Color。

  3. Marks 选 Square ,调节 Size 滑块让方块填满。

可选强化

  • 再把 Profit 拖到 Label 展示数值;

  • 用 Profit Ratio = SUM(Profit)/SUM(Sales)(右击新建计算)作为颜色,更利于看质量而非规模。

子弹图:目标vs实际

最省事法(Show Me)

  1. 选中一个维度(如 Sub-Category )+ 两个度量(如 Sales 和 Profit)。

  2. 点击 Show Me › Bullet Graph 。

    → 得到"条形=实际 + 线/区间=目标/对比"。

手工法(自定义目标)

  1. 以 Sub-Category 在 Rows 、Sales 在 Columns 的条形图为底。

  2. 右击 X 轴 → Add Reference Line ;Scope 选 Per Cell ,Value 可选:

    • 固定目标:Constant 输入数值(或建 Parameter Target 作为可调目标);

    • 相对目标:SUM(Sales) * 1.10(目标=实际的110%);

  3. Line 形式选择 Line 或 Band (线或区间),并设置 Label 为 "Target"。

可选强化

  • 用 Profit 作为颜色,看到"达标但亏损"的项;

  • 用 Reference Band 加"良/优"阈值带。

甘特图:项目进度/工期

准备计算

  • 右击创建 Calculated Field:

    • [Ship Days] = DATEDIFF('day', [Order Date], [Ship Date])

步骤

  1. 将 Customer Name (或 Order ID )拖到 Rows。

  2. 将 Order Date 拖到 Columns ,右击其胶囊选 Exact Date 且设为 Continuous(绿色)。

  3. 将 Ship Days 拖到 Size。

  4. Marks 选 Gantt Bar。

  5. 过滤:把 Order Date 放进 Filters,只留一个月或一周,便于阅读。

可选强化

  • 按 Ship Mode 拖到 Color;

  • 用 State/Region 到 Rows 前面,分面对比不同地区的工期。

地图:地理分析

符号地图(气泡)

  1. 双击 State (或 City),自动生成地图。

  2. 将 Sales 拖到 Size ,Profit 拖到 Color。

  3. Marks 类型保持 Automatic (Map) 或 Circle。

填充地图(州填色)

  1. 将 State 拖到视图自动成地图。

  2. Marks 改为 Map(填充)。

  3. 将 Sales 或 Profit Ratio 拖到 Color。

密度图(Density)

  1. 将 City 双击生成点。

  2. Marks 改为 Density (密度),可在 Color 中调强度/尺寸。

可选强化

  • 增加工具提示:把 Profit , Sales , # of Orders 拖到 Tooltip;

  • 分时间:将 Order Date 拖到 Pages,做时间动画。

6、过滤器、排序、分组、集合、层级

过滤器类型:

  • 维度过滤(离散值/Top N/条件表达式)

  • 度量过滤(范围、前 N)

  • 上下文过滤(Context):先于其他过滤执行,常用于 Top N + 其他过滤的场景。

排序:手动、按字段、按度量。

分组(Group):将多个成员合并为一类(如把细分品合并)。

集合(Set):动态或固定规则的成员集合,支持集合运算(并/交/差)与条件(如 Top 10 by Sales)。

层级(Hierarchy):建立下钻路径(省 → 市 → 区)。

7、计算:行级/聚合/Table Calculation/LOD表达式

计算字段类型:

  1. 行级计算(Row-level) :逐行计算,如 Sales * 0.9。

  2. 聚合计算(Aggregate) :如 SUM(Profit)/SUM(Sales)。

  3. 表计算(Table Calculation) :基于视图结果的二次计算,如同比环比、移动平均、RANK。需设置 寻址与分区(Compute Using)。

  4. LOD 表达式(Level of Detail):在指定粒度上计算再带回视图。

常用函数示例:

  • 字符串:LEFT(), RIGHT(), CONTAINS(), SPLIT()

  • 日期:DATEPART(), DATETRUNC(), DATEDIFF()

  • 逻辑:IF, CASE, IIF, ZN, ISNULL

  • 数学:ABS, ROUND, POWER, WINDOW_SUM

LOD 速查:

  • FIXED:忽略视图维度,按指定维度聚合。

  • INCLUDE :在视图维度 基础上增加 维度再聚合。

  • EXCLUDE :在视图维度 去除 指定维度再聚合。

8、参数与控制交互

参数 是一个可变的全局输入(数值/字符串/布尔/日期/集合),可用于:

  • 替代常量(如 Top N)

  • 切换度量/维度(动态度量选择)

  • 驱动计算逻辑(如阈值)

  • 配合 参数操作(Parameter Actions) 实现点选联动

9、仪表板与故事:布局、动作、响应式适配

仪表板(Dashboard):将多个工作表拼装为一个交互界面。

  • 布局:容器(水平/垂直)、空白间距、固定/自动大小、手机视图。

  • 动作(Actions):

    • 过滤(Filter Action):跨图过滤

    • 高亮(Highlight Action):强调相同维度

    • URL 跳转(URL Action)

    • 参数操作(Parameter Action)

  • 最佳实践:

    • 3--5 张核心图即可,避免信息过载;

    • 左上角放关键 KPI 卡片,右侧用于细分;

    • 一致的颜色编码与单位;

    • 添加"重置"按钮(可用"回退"或制作清空动作)。

故事(Story):一系列"故事点(Story Point)",用来讲述数据叙事。

10、地图与地理分析:地理编码、密度图、Filled Map、图层控制

地理角色:给字段设置地理类型(国家/省/市/邮编/经纬度)。

地图类型:

  • 符号地图(Symbol Map):点大小/颜色表示指标。

  • 填充地图(Filled Map/Choropleth):区域填充渐变表示指标。

  • 密度图(Density):热力密度分布。

  • 双轴地图:叠加两个图层(例如 Filled Map + Symbol Map)。

常见技巧:

  • 自定义图例与配色(连续/发散)

  • 地图图层:边界、标签、街道、地形

  • 地理数据纠错与地理编码

11、Analytics分析窗格:趋势线、预测、聚类、参考线/带

趋势线(Trend Line):线性、对数、指数、多项式;显示 R² 与置信区间。

预测(Forecast):基于指数平滑;设定季节性、长度;返回置信区间。

聚类(Clustering):K-means;选择输入变量与簇数,查看簇间差异。

参考线/参考带/分布:为轴或整张图添加基准线、目标线、分位带。

12、性能与最佳实践:提速、抽取、数据模型优化、顺序与粒度

Tableau 顺序(Order of Operations)(简化版):

  1. 提取过滤 → 数据源过滤 → 上下文过滤 → 维度/度量过滤 → 表计算过滤

  2. 计算执行次序会影响结果,尤其是 LOD 与表计算。

性能优化:

  • 优先使用 Extract,合理增量刷新;

  • 减少工作表数量与过滤器(尤其多选下拉)

  • 使用 关系(Relationship) 模型避免重复聚合

  • 在数据源侧做预聚合与索引;

  • 避免高基数字段作为颜色/细节;

  • 使用 数据源过滤 和 上下文过滤 缩小数据量。

13、发布与协作:Server/Cloud、权限、定时刷新、订阅与警报

发布工作簿/数据源:设置项目、标签、权限。

权限模型:站点角色(Viewer/Explorer/Creator)、项目/工作簿/视图级权限。

刷新与计划:对 Extract 设置刷新计划(全量/增量),失败告警与订阅邮件。

嵌入与分享:URL、嵌入门户、导出图像/PDF、下载数据(行级权限注意)。

相关推荐
计算机毕业设计杰瑞22 分钟前
【2027原创精品大数据】基于大数据的电商销售数据可视化分析系统,附源码_数据可视化_数据分析_数据挖掘_Hadoop_spark_文档指导_毕设指导
大数据·信息可视化·数据挖掘
计算机毕业设计杰瑞29 分钟前
【2027最新原创大数据】基于大数据的广西医疗机构及药店清单可视化分析,附源码_数据可视化_数据分析_数据挖掘_Hadoop_spark_文档指导_毕设指导
大数据·信息可视化·数据挖掘
计算机毕业设计杰瑞34 分钟前
【2027最新原创大数据】基于大数据的二手房成交信息分析与可视化,附源码_数据可视化_数据分析_数据挖掘_Hadoop_spark_文档指导_毕设指导
大数据·信息可视化·数据挖掘
计算机毕业设计杰瑞1 小时前
【2027大数据毕设精品】基于大数据的社交媒体用户行为数据分析与可视化,附源码_数据可视化_数据分析_数据挖掘_Hadoop_spark_文档指导_毕设指导
大数据·信息可视化·数据挖掘·课程设计
言乐61 小时前
逻辑回归与利弊
人工智能·算法·机器学习·数据挖掘·逻辑回归
IT研究室1 小时前
最新大数据毕业设计选题推荐-基于大数据的岗位数据分析与可视化-大数据-Spark-Hadoop-Bigdata
大数据·数据分析·课程设计
weixin_440401691 小时前
质朴的爬虫+数据处理
爬虫·python·数据分析·pandas
计算机毕业编程指导师1 小时前
【计算机毕设选题推荐】基于Hadoop+Django高频电力消耗大数据分析系统从0到1 源码 毕业设计 选题推荐 毕设选题 数据分析 机器学习
hadoop·python·数据分析·spark·毕业设计·课程设计·电力
计算机毕业设计杰瑞1 小时前
【最新大数据项目】基于大数据的能见度探测数据分析与可视化,附源码_高质量项目_可视化_数据分析_毕设选题推荐_SPark_Hadoop_毕设指导
大数据·信息可视化·数据挖掘·课程设计
计算机毕业编程指导师1 小时前
【计算机毕设选题推荐】基于Spark的多源影视数据整合质量评估与可视化分析系统全解析 源码 毕业设计 选题推荐 毕设选题 数据分析 机器学习
大数据·hadoop·python·计算机·数据分析·spark·影视