使用数据透视图可视化数据：第 2 部分

在本系列的第 1 部分中，我们学习了如何使用数据透视表数据创建基本图表。在本指南中，我们将继续上一步，并学习构建以下图表：

1. 直方图
2. 箱线图
3. 树形图和旭日图
4. 连击

直方图将数据点组织成范围，看起来类似于条形图。它很容易从视觉上解释，因为它将许多数据点分组到逻辑范围或箱体中。

您可以控制直方图中表示的箱数。当您将数据直接传递给任何统计软件（Excel、R、MATLAB 等）时，它们会根据数据的分布方式创建一定数量的箱。但是，我们始终可以控制最终输出。让我们通过一个例子来学习。

在“行”部分下创建一个包含“程序”的数据透视表，在“值”部分下创建一个包含“杂项费用”的数据透视表。这将生成以下数据透视表：

如果您尝试在数字列上建立直方图，Excel 将显示以下消息：

您无法使用数据透视表内的数据创建此图表类型。请选择其他图表类型，或将数据复制到数据透视表之外。

因此，我们将值 43000、19000、6000 和 12000 复制到单独的列中并选择它们。然后单击“图表”部分下的“插入统计图表”图标并选择直方图图标，如下所示：

单击直方图图标后，您将获得以下图表（图表标题已重命名为“杂项费用”）：

您可能会发现 Excel 自动创建了两个范围分别为[6000, 42000]和[42000, 78000] 的容器。第一个容器的条形值为 3，表示此范围内有 3 个项目。下一个容器的值为 1，表示其范围内只有一个值。

要修改箱的范围，请单击图表元素 > 轴 > 更多轴选项...，如下所示：

这将打开“设置轴格式”侧栏。要更改箱体大小，可以使用箱体数量或箱体宽度。在这里，我们选择 6000 作为箱体宽度的参数。

输入值后，按Enter，更改将反映在图表中，如下所示：

您可以观察到，这次只有两个值位于[6000, 12000]范围内。继续前进，在当前情况下，我们只有四个值和三个条形图，这使得分析数据中的偏度（将在下一节中详细讨论）变得容易。但是，当直方图中有数百个条形图时，建议在条形图上绘制一条帕累托线*，这可以大致了解数据的分布情况。要绘制带有帕累托线的直方图，请选择以下图标：

箱线图（或箱须图）可帮助您直观地呈现数值数据的分布。箱线图由一个箱（描述不同的四分位数）、须（延伸以显示分布的其余部分）和几个点（表示数据中的异常值）组成。

让我们快速创建杂项费用值的箱线图，这些值被复制到与数据透视表不同的列中。

上述图表的关键要点如下：

• 数据偏向更高的正数。
• 中位数约为15000。
• 数据中没有异常值。

到目前为止，在本指南中，您已构建了只有一个数字列（杂项费用）的图表。现在，我们将考虑数据透视表中有两个数字列（杂项费用和学费）的情况，如下所示：

当您将这两列（杂费总额和学费总额）的值复制到单独的列中并在其上创建箱线图时，您可能会收到如下图所示的图：

你能看出上面图表的问题吗？

由于杂费的范围比学费的范围小得多，我们无法观察到实际的杂费箱线图。为了解决这个问题，我们可以采用最小-最大标准化。

最小-最大正则化总是将结果带入定义的范围 [0, 1]。因此，如果您将这两列都正则化，然后创建它们的箱线图，则这两个箱线图的范围都会在 [0, 1] 内。

从数学上来说，

X_i = (X_i - X_min)/(X_max - X_min)

如果您有一个值为5, 2, 8, 6, 12的虚拟数据，则标准化值 5 的计算为(5-2)/(12-2) = 0.3。

杂费和学费的标准化值以及最终的箱线图如下所示：

我们可以观察到，标准化使得我们很容易理解每​​个数字列中的数据分布。

注意：分组箱线图可能会稍微改变实际数据分布。建议仅在一般概览时使用分组箱线图。

当您需要显示各个类别的相对比例时，您可以使用树状图（基于矩形）或旭日图（基于圆环）。这些图非常直观易懂。

要了解如何在 Excel 中创建它们，请考虑以下数据透视表：

首先，将大学名称及其学费复制到两个单独的列中。选择值并单击树形图图标，如下所示：

这将创建以下树形图：

您可以清楚看到，代表哈佛大学的矩形尺寸最大，是这 10 所大学中最昂贵的大学。矩形遵循层次结构，因此在哈佛大学之后，下一个最昂贵的大学是麻省理工学院，其次是剑桥大学，依此类推。

与树形图类似，旭日图传达相同的信息，但以环的形式显示项目，如下所示：