[PYTHON] Principes de base de Tableau (visualisation à l'aide d'informations géographiques)
Récemment, j'ai résumé l'utilisation de base de l'outil de BI "Tableau" présenté comme un ensemble avec AWS. "Tableau" est un outil très simple, de sorte que toute personne qui peut utiliser Excel peut facilement visualiser les données.
3 août 2019 Ajouté Certaines informations ont été mises à jour et rééditées et publiées sur mon blog. Jetez un œil à ceci. https://tadaken3.hatenablog.jp/entry/tableau-map
Veuillez également consulter les sites suivants pour «Tableau».
- [Site officiel de Tableau](http://get.tableau.com/ja-jp/trial/tableau-software.html?cid=70160000000YmmJ&ls=Paid%20Search&lsd=Google%20AdWords%20-%20Tableau%20-%20APAC % 20-% 20JP% 20-% 20Free% 20Trial & adgroup = Tableau% 20-% 20Brand% 20-% 20All & kw = tableau & adused = 54853941890 & distribution = search & gclid = Cj0KEQiA-NqyBRC905irsrLr-LUBEiQAWatzuFYTuwFD
- Résumé de ce que vous pouvez faire avec Tableau Desktop
- Introduction de Tableau Public ~ Outil BI avec une excellente visualisation utilisable sur le Web ~ | Réflexion sur l'environnement d'analyse
Cette fois, j'utilise tableau Public, qui peut être utilisé gratuitement. Il est fonctionnellement identique à la version commerciale de tableau Desktop. Cliquez ici pour le site DL ↓ https://public.tableau.com/s/
Préparation des données
En utilisant le module Pandas de Python, Les données sont obtenues à partir de la page «Liste de la population par préfecture» de Wikipédia. ~~ (tableau public ne peut gérer que les fichiers texte, il génère donc des fichiers CSV. Avec la version du produit, vous pouvez obtenir des données directement à partir de la base de données) ~~
À partir de tableau 10.0, tableau public prend désormais en charge les feuilles de calcul Google et le connecteur de données Web. De plus, lorsque la feuille de calcul Google est mise à jour, elle sera automatiquement mise à jour par traitement de la date et de l'heure. tableau public Trop de début. (Ajout: 2016-10-05)
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')
Lire les données
Lancez tableau public et chargez le fichier CSV. Aucun réglage spécial n'est requis. (C'est un fichier appelé population.csv)
Visualisation de données
Cette fois, j'aimerais calculer le taux d'augmentation / diminution de la population pour chaque préfecture et le visualiser sur une carte. Premièrement, nous calculerons le taux d'augmentation / diminution de la population. Je vais entrer la formule de calcul comme Excel. Je ne l'ai pas utilisé cette fois, mais il a un ensemble de fonctions, donc c'est vraiment facile à calculer comme Excel.
Puisque nous voulons utiliser une carte cette fois, spécifiez "Rôle géographique" pour la dimension "Préfecture". Puisqu'il s'agit d'un outil américain, c'est un "état", mais si vous le spécifiez, il reconnaîtra correctement les préfectures du Japon.
Si vous double-cliquez sur une préfecture, "Tableau" la reconnaîtra automatiquement et sélectionnera l'expression visuelle la plus appropriée. Dans ce cas, la carte s'affiche car les informations géographiques sont définies. (Bien sûr, vous pouvez également le définir vous-même.) Cette fois, je voudrais l'exprimer en couleur par le taux d'augmentation / diminution de la population, alors mettez la mesure du «taux d'augmentation / diminution de la population» créé plus tôt dans la partie marquée.
Sélectionnez «Taux d'augmentation / diminution de la population» et spécifiez «Couleur».
Ensuite, chaque préfecture sera codée par couleur en fonction du taux d'augmentation / diminution de la population.
Sauf pour Kanto, il est presque rouge vif.
Le reste est complété par des compléments de formats et de commentaires. Le fichier complété peut être téléchargé et publié sur le site officiel de tableau publlic. C'est comme ça.
Recommended Posts