【书摘】筛选与占比：展示单一类别的占比

---

摘自《业务可视化分析：从问题到图形的 Tableau 方法》，本部分将在第二版本修订时替换

8.5  筛选与占比：展示单一类别的占比

和其他问题类型相比，占比的独特性在于它必然包含了两个详细级别：当前的个体和更高聚合的合计（TOTAL）。而当问题仅指向一部分数据，同时还要引用总体数据完成占比分析时，就要在详细级别计算基础上再叠加考虑计算的优先级问题，更容易把分析师引入歧途。

这里以Tableau的超市数据为例，具体说明筛选对占比分析的影响，并阐述多种方法。

问题是“各省份，办公用品销售额总和，以及其（在本省总销售额）占比”。问题中包含“筛选”需求（有3个类别，办公用品是其一）；占比是办公用品的销售额与全部类别销售额的比值，这就包含了两个度量，默认属于两个详细级别。筛选、计算、详细级别的组合，就有了多种可能，多种方法。按照难易程度分别介绍如下。

8.5.1  方法一：使用“隐藏”功能分析单一类别占比

“隐藏”功能也许是最简单的，它不是数据的筛选，而是视图要素的“筛选显示”（在第7章7.6.2节分析同比时已经提及）。

如图8-22所示，在“各省份各类别销售额”的堆叠条形图中，在标记的标签中增加“销售额”度量，鼠标右击，在弹出的快捷菜单中选择“快速表计算→合计百分比”命令，并设置计算依据为“类别”，结果就是“各省份各类别销售额，以及其占比”。之后在右侧图例上，选择“办公用品”之外的类别右击，在弹出的快捷菜单中选择“隐藏”命令（注意不是排除），即可仅保留办公用品类别，同时不影响计算。

隐藏不等于筛选，这里问题和视图详细级别是“省/自治区*类别”（特别注意这里），隐藏没有改变问题的详细级别，没有改变计算数据的多少，只是一次性地遮挡了部分可视化元素。

图8-22  指定类别的占比：使用隐藏功能

相比后面的多种方式，这是最简单的方式，但也是缺乏扩展性的方式，隐藏不能引用参数、不能互动，常用于一次性设置。所以还是要通过计算、筛选组合的方式来实现。

8.5.2  方法二：使用“行级别计算”分析单一类别占比

使用行级别计算，是为了实现灵活性，配合参数可以自由选择“类别”。

如图8-23所示，这里先使用IIF()逻辑计算，提取了指定类别的所有交易的销售额，然后在视图详细级别（“省/自治区”）把它们聚合，再与总销售额相除。

图8-23  占比计算：使用行级别计算提取指定类别的销售额

注意，和此前的方法不同，这里视图详细级别是“省/自治区”，因此默认聚合SUM([销售额])是“各省（所有类别）的销售额”，即占比的分母。

不依赖于筛选，这里需要计算指定类别的销售额，可以假设在数据明细中增加一个辅助列——只要对应“办公用品”的交易，就等于它的销售额，否则为空。这就是最简单的逻辑函数：

IIF([类别]=[para类别],[销售额],NULL))

把参数类别的销售额和其他的空值（NULL）加起来，然后除以销售额总和，就是参数类别的占比了。

SUM(IIF([类别]=[para类别],[销售额],NULL)))
/ SUM([销售额])

和第一种“隐藏”方法一样，这里也没有使用筛选，这是共同点。差异在于，这里通过IIF()逻辑计算，在明细上增加了辅助字段，是在数据上下功夫；而隐藏没有创建辅助计算，无须计算，只是在视图上减少可视化要素，是在视图上下功夫。

以Tableau为代表的BI工具在分析方面的强大功能，是建立在计算的大厦基础上的，深入地理解行级别、聚合计算的逻辑过程与先后，是熟练使用它们完成各种分析的基础。

不过，笔者非常迫切地提醒每位读者，千万不要滥用这种借助于IIF()函数筛选数据的方法，由于通常的逻辑判断（标准是逻辑判断不包含聚合）都是行级别的判断，相比聚合计算，它们会严重地制约视图的性能。最佳的策略是通过筛选、聚合计算来替代。

8.5.3  方法三：使用“筛选和高级计算”分析单一类别占比

“样本范围”是问题分析的三大构成之一。基于筛选，如何构建占比呢？这就需要一个优先级高于筛选器的计算。

如图8-24所示，问题的详细级别是“省/自治区”，筛选器筛选了“办公用品”（使用参数以突出筛选值），因此视图中的销售额聚合就是“各省份的办公用品销售额总和”，也就是占比的分子。

图8-24  占比计算：使用高级计算返回优先于筛选器的聚合

分母应该是是各省份所有类别的销售额总和，这就要优先于筛选器完成聚合。如果使用SQL，则要单独完成两次查询右连接（join）。在Tableau中，可以通过“狭义LOD表达式”引用优先于筛选器的预先聚合。

{ FIXED [省/自治区]: SUM([销售额])}

这就是此前说的高级数据类型：字典。它的结果类似{山东:100,河北:200,河南:300,上海:500}。

最后，引用这个字段中的聚合值，就可以计算两个聚合的比例，即占比。

SUM([销售额])
/SUM({ FIXED [省/自治区]: SUM([销售额])})

在这里，分子是筛选后的各省聚合，而FIXED则实现筛选前的各省聚合，详细级别、聚合方式完全相同，唯一的差别在于前者受筛选器影响，后者不受，因此比值就是样本在总体的占比。

从性能的角度看，筛选器（类别=参数类别）也是行级别判断，不过由于布尔计算是最快的计算，它对性能的影响可以最小化；假定有34个省，那么占比计算需要计算34个聚合值和34个筛选前的聚合值，再考虑到FIXED LOD外的聚合，粗略地说，一次计算就能完成。相比之下，8.5.2节中通过行级别计算的方式更缓慢，这在企业生产环境中表现尤为明显。

行级别的计算可以理解为数据整理和数据准备，而高级计算则面向敏捷分析和业务探索，这也是之后进行结构化分析的关键。当然，关于所有计算的逻辑，欢迎阅读本书的姊妹篇《数据可视化分析（第2版）》一书第3篇。