轉帖|使用教程|編輯:況魚杰|2020-05-21 17:42:34.477|閱讀 562 次
概述:現在可使用新的采樣算法來改進散點圖表示高密度數據的方式 。Power BI 改進了高密度數據的采樣,本文詳細介紹了相關信息。
# 界面/圖表報表/文檔/IDE等千款熱門軟控件火熱銷售中 >>
相關鏈接:
使用 Power BI Desktop 從數據獲得見解,然后進行相關操作利用可視化分析免費創建內容豐富的交互式報表,一切盡在指尖。
現在可使用新的采樣算法來改進散點圖表示高密度數據的方式 。
例如,可以通過組織的銷售活動創建一個散點圖,其中每個商店每年都有成千上萬個數據點。此類信息的散點圖將對可用數據進行數據采樣(選擇數據中有意義的代表,以展示銷售情況如何隨時間變化),并創建一個散點圖表示基礎數據。這是高密度散點圖中的常見做法。 Power BI 改進了高密度數據的采樣,本文詳細介紹了相關信息。
高密度散點圖的工作方式
以前,Power BI 以確定性方式在所有基礎數據中選擇采樣數據點的集合來創建散點圖。具體而言,Power BI 會在散點圖系列中選擇第一行和最后一行數據,然后將剩余的行平均分配,以便在散點圖上繪制總共 3,500 個數據點。 例如,如果示例有 35,000 行,則選擇第一行和最后一行進行繪制,然后每 10 行繪制一個數據點(35,000/10 = 每 10 行 = 3,500 個數據點)。
另外,在此之前,在數據系列中無法繪制的 null 值或點(如文本值)不會顯示出來,因此在生成視覺對象時不會加以考慮。通過此類采樣,散點圖的感知密度同樣會基于代表性數據點,因此隱含的可視化密度屬于采樣點,而不是基礎數據的完整集合。
啟用“高密度采樣” 時,Power BI 會執行一種算法來消除重疊點,并確保與視覺對象交互時可以訪問視覺對象上的點。此外,該算法還可確保數據集中的所有點都會顯示在視覺對象中,從而為所選點的含義提供上下文,而不是僅僅繪制一個代表性的樣本。
根據定義,對高密度數據進行采樣,以快速合理地創建能響應交互操作的視覺對象。視覺對象上過多的數據點可能會阻礙它并降低趨勢的可見性。因此,如何對數據進行采樣才能提供最佳的視覺對象體驗并確保表示所有數據這一疑問推動了采樣算法的創建。Power BI 中現對該算法進行了改進,將整體數據集中重要點的響應、表示和清楚保存以最佳方式組合。
新的散點圖采樣算法的工作方式
適用于散點圖的“高密度采樣”的新算法采用能夠更有效地捕獲和表示基礎數據的方法,此類方法還可以消除重疊點 。具體操作方法為:首先為每個數據點繪制一個小型半徑(可視化效果上給定點的可視圓圈大小)。然后增加所有數據點的半徑大小;當兩個(或多個)數據點重疊時,用一個(增加了半徑大小的)圓圈表示這些重疊的數據點。 該算法繼續增加數據點的半徑,直到半徑值產生的合理數量的數據點(3,500)顯示在散點圖中。
此算法中的方法可確保在生成的視覺對象中顯示離群值。該算法在確定重疊的同時還會設置比例,完全按照基礎可視化點直觀顯示指數比例。該算法還將保留散點圖的整體形狀。
注意:將高密度采樣算法用于散點圖時,目標是準確分發數據,而不是隱含的可視化密度。例如,你可能會看到一個散點圖,其中有許多圓圈在某個區域重疊(密度),并想像肯定有許多數據點聚集在那里;由于高密度采樣算法可以使用一個圓圈來表示許多數據點,因此隱含的可視化密度(或“群集”)將不會出現。
此外,會忽略不能繪制的數據點(例如 null 或文本值),因此選擇另一個可以繪制的值,從而進一步確保散點圖的真實形狀保持不變。
使用散點圖的標準算法時
在一些情況下,高密度采樣不能應用于散點圖,而是使用原始算法 。 這些情況如下所示:
如何為散點圖啟用高密度采樣
要啟用“高密度采樣”,請選擇散點圖,轉到“格式設置”窗格,展開“常規”卡,然后在卡片的底部附近,將“高密度采樣”切換滑塊切換為“開” 。
注意:啟用滑塊后,Power BI 將在可能的情況下嘗試使用“高密度采樣” 算法。如果該算法無法使用(例如,在“播放” 軸添加一個值),滑塊將停留在“打開” 位置,即使圖表已恢復為標準算法也是如此。如果之后你從“播放”軸刪除一個值(或者情況變為允許使用高密度采樣算法),由于功能處于活動狀態,圖表將自動為該圖表使用高密度采樣 。
注意事項和限制
高密度采樣算法是 Power BI 的一個重要改進,但在使用高密度值和散點圖時需要了解以下注意事項。
本文內容就到這里了,本教程后面會持續更新,感興趣的朋友可以多多關注,如果您能在評論區留言提出問題或者解決問題,我們將會很高興!
相關內容推薦:
想要購買Power BI Desktop正版授權,或了解更多產品信息請點擊在線客服
也歡迎撥打慧都熱線023-68661681,我們有專業的大數據團隊,為您提供免費大數據相關業務咨詢!
本站文章除注明轉載外,均為本站原創或翻譯。歡迎任何形式的轉載,但請務必注明出處、不得修改原文相關鏈接,如果存在內容上的異議請郵件反饋至chenjj@fc6vip.cn
文章轉載自: