[PYTHON] Grundlagen der Tableau-Grundlagen (Visualisierung mit geografischen Informationen)

Kürzlich habe ich die grundlegende Verwendung des BI-Tools "Tableau" zusammengefasst, das als Set mit AWS eingeführt wurde. "Tableau" ist ein sehr einfaches Tool, mit dem jeder, der Excel verwenden kann, die Daten problemlos visualisieren kann.

  1. August 2019 Hinzugefügt Einige Informationen wurden aktualisiert und überarbeitet und in meinem Blog veröffentlicht. Schau dir das an. https://tadaken3.hatenablog.jp/entry/tableau-map

Weitere Informationen zu "Tableau" finden Sie auf den folgenden Websites.

Dieses Mal verwende ich Tableau Public, das kostenlos verwendet werden kann. Es ist funktional identisch mit der Einzelhandelsversion von Tableau Desktop. Klicken Sie hier für die DL-Site ↓ https://public.tableau.com/s/

Datenaufbereitung

Verwenden des Python-Pandas-Moduls Die Daten stammen aus der Wikipedia-Seite "Bevölkerungsliste nach Präfektur". ~~ (tableau public kann nur Textdateien verarbeiten, daher werden CSV-Dateien ausgegeben. Mit der Produktversion können Sie Daten direkt aus der Datenbank abrufen

Ab Tableau 10.0 unterstützt tableau public jetzt Google Spreadsheets und Web Data Connector. Wenn die Google-Tabelle aktualisiert wird, wird sie außerdem automatisch nach Datum und Uhrzeit aktualisiert. tableau public Zu viel Anfang. (Ergänzung: 05.10.2016)

import pandas as pd

url = 'https://ja.wikipedia.org/wiki/%E9%83%BD%E9%81%93%E5%BA%9C%E7%9C%8C%E3%81%AE%E4%BA%BA%E5%8F%A3%E4%B8%80%E8%A6%A7'
fetched_dataframes = pd.read_html(url, header = 0)
df = fetched_dataframes[0]
df.to_csv("population.csv", index = False,encoding='utf-8')	 

Daten lesen

Starten Sie tableau public und laden Sie die CSV-Datei. Es sind keine speziellen Einstellungen erforderlich. (Es ist eine Datei namens populations.csv)

スクリーンショット 2015-11-26 22.49.48.png

Datenvisualisierung

Dieses Mal möchte ich die Bevölkerungszuwachsrate für jede Präfektur berechnen und auf einer Karte visualisieren. Zunächst berechnen wir die Zu- / Abnahmerate der Bevölkerung. Ich werde die Berechnungsformel wie Excel eingeben. Ich habe es diesmal nicht benutzt, aber es hat eine Reihe von Funktionen, so dass es wirklich einfach ist, wie Excel zu berechnen.

スクリーンショット 2015-11-26 22.22.45.png

Da wir diesmal eine Karte verwenden möchten, geben Sie "Geografische Rolle" für die Dimension "Präfektur" an. Da es sich um ein US-amerikanisches Werkzeug handelt, handelt es sich um einen "Staat". Wenn Sie dies jedoch angeben, werden die Präfekturen Japans ordnungsgemäß erkannt. スクリーンショット 2015-11-26 22.21.35.png

Wenn Sie auf eine Präfektur doppelklicken, erkennt "Tableau" diese automatisch und wählt den am besten geeigneten visuellen Ausdruck aus. In diesem Fall wird die Karte angezeigt, da die geografischen Informationen festgelegt sind. (Natürlich können Sie es auch selbst einstellen.) Dieses Mal möchte ich es in Farbe durch die Bevölkerungszuwachs- / -abnahmerate ausdrücken. Geben Sie daher das Maß für die zuvor erstellte "Bevölkerungszunahme- / -abnahmerate" in den Markenteil ein. スクリーンショット 2015-11-26 22.23.42.png

Wählen Sie "Bevölkerungszunahme / -abnahme" und geben Sie "Farbe" an. スクリーンショット 2015-11-26 22.23.51.png Dann wird jede Präfektur entsprechend der Zu- / Abnahmerate der Bevölkerung farblich gekennzeichnet. Mit Ausnahme von Kanto ist es fast leuchtend rot. スクリーンショット 2015-11-26 23.09.00.png

Der Rest wird durch die Ergänzung mit Formaten und Kommentaren vervollständigt. Die fertige Datei kann hochgeladen und auf der offiziellen Website von tableau publlic veröffentlicht werden. Es ist so.

都道府県別の人口増減率.png

Recommended Posts

Grundlagen der Tableau-Grundlagen (Visualisierung mit geografischen Informationen)
Python: Grundlagen der Verwendung von Scikit-Learn ①
Visualisierung gemischter Matrizen mit sklearn.metrics.ConfusionMatrixDisplay
Grundlagen der Quanteninformationstheorie: Entropie (2)
Python: Grundlagen der Bilderkennung mit CNN
Grundlagen der Quanteninformationstheorie: Datenkomprimierung (1)
Grundlagen der Quanteninformationstheorie: Spurenentfernung
Grundlagen der Quanteninformationstheorie: Quantenzustands-Tomographie
Grundlagen der Quanteninformationstheorie: Datenkomprimierung (2)
Verwendung von Folium (Visualisierung von Standortinformationen)
[Pandas] Grundlagen der Verarbeitung von Datumsdaten mit dt
Python-Grundlagen ①
Grundlagen der Quanteninformationstheorie: Topologische Oberflächencodes
Grundlagen der Quanteninformationstheorie: Fehlertolerante Quantenberechnung
Visualisierung von geografischen Informationen von R und Python, die von Power BI ausgedrückt werden können
Grundlagen des Eingabe- / Ausgabebildschirms mit tkinter in python3
Grundlagen der Quanteninformationstheorie: Quantenfehlerkorrektur (Shor Code)
Zweidimensionale Visualisierung von Dokumentvektoren mit einem von Word2Vec trainierten Modell
Grundlagen der Quanteninformationstheorie: Quantenfehlerkorrektur (Stabilisatorcode: 4)
Grundlagen der Python-Scraping-Grundlagen
# 4 [Python] Grundlagen der Funktionen
Grundlagen von Netzwerkprogrammen?
Die Gründung der Perceptron-Stiftung
Grundlagen der Regressionsanalyse
Beispiel für die Verwendung von Lambda
Grundlagen von Python: Ausgabe
Grundlagen der Quanteninformationstheorie: Quantenfehlerkorrektur (klassischer linearer Code)
Grundlagen der Quanteninformationstheorie: Universelle Quantenberechnung durch Oberflächencode (1)
Verwenden von MLflow mit Databricks ② - Visualisierung experimenteller Parameter und Metriken -