Excel - Ranking charts by importance Tutorial

4:05
399 views

00:00:02

In this tutorial, we'll be discussing

00:00:04

the ranking charts by importance.

00:00:06

Before us, we have two diagrams that are

00:00:08

used to compare items related to each other.

00:00:11

On the left, the clustered column

00:00:12

and on the right that doughut chart

00:00:15

both can be applied in that scenario,

00:00:17

and they both present advantages

00:00:19

and disadvantages.

00:00:20

Let's start with the clustered columns.

00:00:22

What is the purpose of column graphs?

00:00:25

They summarize categorical data by

00:00:27

presenting parallel vertical bars with

00:00:30

a height and hence area proportionate

00:00:32

two specific quantities of data

00:00:34

for each category.

00:00:36

It basically shows data organized

00:00:38

in solid shapes, like pillars.

00:00:40

This type of graph can be useful in

00:00:43

comparing two or more distributions

00:00:45

of nominal or ordinal level data.

00:00:48

A clustered column chart can be used

00:00:50

if you need to compare multiple

00:00:52

categories of data within individual

00:00:54

sub items as well as between sub items.

00:00:57

For instance,

00:00:58

you can use a clustered column chart

00:01:00

to compare revenue for each year.

00:01:02

Within each region as well as

00:01:05

between regions or visitors per

00:01:07

traffic source or location.

00:01:08

Influx by timetable or sales by product type,

00:01:12

which we'll see in the next tutorials,

00:01:14

will use those examples,

00:01:16

mainly the clustered columns allow the

00:01:18

direct comparison of multiple series,

00:01:20

but they become visually complex quickly.

00:01:23

They work best in situations

00:01:25

where data points are limited.

00:01:27

In this example,

00:01:28

here I use the turnover by sport,

00:01:31

so every bar shows.

00:01:33

How much revenue is generated by that sport

00:01:36

So when I look up the top on

00:01:38

the left for football,

00:01:40

I can see they have generated 45,000 euros.

00:01:44

Badminton has generated about €30,000,

00:01:47

but it gets difficult when the

00:01:50

columns are about the same height.

00:01:52

Now I cannot see the exact value,

00:01:55

but in a quick glance I have an idea what

00:01:58

sport has generated the most revenue.

00:02:00

Now let's take a look at the doughnut chart.

00:02:03

Those are used to show the

00:02:05

proportions of categorical.

00:02:06

Later,

00:02:06

with the size of each piece representing

00:02:09

the proportion of each category

00:02:11

starting from noon point clockwise,

00:02:13

it goes from the most generated

00:02:15

revenue to the lowest revenue.

00:02:18

So again here we have to turn

00:02:20

over for each sport,

00:02:22

except there are two circles.

00:02:24

We're going to say with

00:02:26

different doughnut shares,

00:02:27

and we can say the first season and season

00:02:30

two if I had to compare each sport,

00:02:32

what it has generated for season

00:02:35

one to season 2.

00:02:36

So doughnut charts show each sales

00:02:38

data as a slice of a doughnut.

00:02:41

It may contain worn or more doughnut

00:02:43

arranged one inside the other.

00:02:45

As we see here

00:02:46

doughnut charts let you should

00:02:48

relationship of parts of several

00:02:49

sets of data to the hall.

00:02:51

Each donut shows a series of data.

00:02:53

So when should you use a donut

00:02:55

chart like pie charts?

00:02:57

Donut charts can be used to display

00:02:59

different data points that total 100%.

00:03:01

These are also best to use to compare

00:03:04

a handful of categories at a glance.

00:03:07

And how they relate to the hall.

00:03:08

So in which situation donut

00:03:10

charts is most suitable,

00:03:12

total data value data labels,

00:03:14

or any additional information can be

00:03:16

placed in the whole of a donut chart.

00:03:18

Donut charts are good to use

00:03:20

when comparing sets of data.

00:03:21

These charts require minimum

00:03:23

additional explanations.

00:03:24

These charts can be visually checked

00:03:26

for accuracy of data distribution.

00:03:28

However, to some displays

00:03:30

preferable to use a clustered column

00:03:33

chart is easier to dehumanize.

00:03:35

To look at whether a donut chart.

00:03:37

Can be confusing,

00:03:38

especially for smaller proportions.

00:03:40

The empty space,

00:03:41

not knowing where to start from

00:03:43

when you look at it initially

00:03:45

and also the proportions,

00:03:46

it's very hard to calculate

00:03:48

the value of their angles,

00:03:50

so it is recommended to use

00:03:52

cluster column over the doughnut chart,

00:03:55

but both of them are popular now.

00:03:57

We will proceed to other charts

00:03:59

and we'll see how to work with the

00:04:02

clustered columns in the next tutorials.

00:00:02

In questo tutorial, parleremo

00:00:04

le classifiche per importanza.

00:00:06

Davanti a noi, abbiamo due diagrammi che sono

00:00:08

utilizzato per confrontare elementi correlati tra loro.

00:00:11

A sinistra, la colonna raggruppata

00:00:12

e a destra quel grafico di doughut

00:00:15

entrambi possono essere applicati in tale scenario,

00:00:17

ed entrambi presentano vantaggi

00:00:19

e svantaggi.

00:00:20

Iniziamo con le colonne raggruppate.

00:00:22

Qual è lo scopo dei grafici a colonne?

00:00:25

Riassumono i dati categoriali per

00:00:27

presentazione di barre verticali parallele con

00:00:30

un'altezza e quindi un'area proporzionata

00:00:32

Due quantità specifiche di dati

00:00:34

per ogni categoria.

00:00:36

Fondamentalmente mostra i dati organizzati

00:00:38

in forme solide, come pilastri.

00:00:40

Questo tipo di grafico può essere utile in

00:00:43

Confronto tra due o più distribuzioni

00:00:45

dei dati a livello nominale o ordinale.

00:00:48

È possibile utilizzare un istogramma raggruppato

00:00:50

Se è necessario confrontare più

00:00:52

Categorie di dati all'interno dei singoli

00:00:54

sottoelementi e tra elementi secondari.

00:00:57

Per esempio

00:00:58

È possibile utilizzare un istogramma raggruppato

00:01:00

per confrontare le entrate per ogni anno.

00:01:02

All'interno di ogni regione e

00:01:05

tra regioni o visitatori per

00:01:07

Origine o posizione del traffico.

00:01:08

Afflusso per orario o vendite per tipo di prodotto,

00:01:12

che vedremo nei prossimi tutorial,

00:01:14

utilizzerà questi esempi,

00:01:16

Principalmente le colonne raggruppate consentono il

00:01:18

confronto diretto di più serie,

00:01:20

Ma diventano visivamente complessi rapidamente.

00:01:23

Funzionano meglio in situazioni

00:01:25

dove i punti dati sono limitati.

00:01:27

In questo esempio,

00:01:28

qui uso il fatturato per sport,

00:01:31

Quindi ogni bar mostra.

00:01:33

Quante entrate sono generate da quello sport

00:01:36

Quindi, quando guardo in alto su

00:01:38

la sinistra per il calcio,

00:01:40

Vedo che hanno generato 45.000 euro.

00:01:44

Il badminton ha generato circa € 30.000,

00:01:47

ma diventa difficile quando il

00:01:50

Le colonne hanno all'incirca la stessa altezza.

00:01:52

Ora non riesco a vedere il valore esatto,

00:01:55

ma in una rapida occhiata ho un'idea di cosa

00:01:58

Lo sport ha generato la maggior parte delle entrate.

00:02:00

Ora diamo un'occhiata al grafico della ciambella.

00:02:03

Questi sono usati per mostrare il

00:02:05

proporzioni di categorica.

00:02:06

Dopo

00:02:06

con la dimensione di ogni pezzo che rappresenta

00:02:09

la proporzione di ciascuna categoria

00:02:11

a partire da mezzogiorno in senso orario,

00:02:13

passa dal più generato

00:02:15

entrate al più basso ricavo.

00:02:18

Quindi di nuovo qui dobbiamo girare

00:02:20

per ogni sport,

00:02:22

tranne che ci sono due cerchi.

00:02:24

Diremo con

00:02:26

diverse quote di ciambella,

00:02:27

e possiamo dire la prima stagione e la stagione

00:02:30

due se dovessi confrontare ogni sport,

00:02:32

Cosa ha generato per la stagione

00:02:35

Uno alla stagione 2.

00:02:36

Quindi i grafici ad anello mostrano ogni vendita

00:02:38

dati come una fetta di una ciambella.

00:02:41

Può contenere ciambella usurata o più

00:02:43

disposti uno dentro l'altro.

00:02:45

Come vediamo qui

00:02:46

I grafici ad anello ti consentono di

00:02:48

relazione di parti di diversi

00:02:49

set di dati alla sala.

00:02:51

Ogni ciambella mostra una serie di dati.

00:02:53

Quindi, quando dovresti usare una ciambella

00:02:55

grafico come i grafici a torta?

00:02:57

I grafici a ciambella possono essere utilizzati per visualizzare

00:02:59

Diversi punti dati che totalizzano il 100%.

00:03:01

Questi sono anche i migliori da usare per confrontare

00:03:04

Una manciata di categorie a colpo d'occhio.

00:03:07

E come si relazionano con la sala.

00:03:08

Quindi in quale situazione ciambella

00:03:10

i grafici sono i più adatti,

00:03:12

valore totale dei dati etichette dei dati,

00:03:14

o qualsiasi informazione aggiuntiva può essere

00:03:16

inserito nell'intero grafico di una ciambella.

00:03:18

I grafici a ciambella sono buoni da usare

00:03:20

quando si confrontano set di dati.

00:03:21

Questi grafici richiedono un minimo

00:03:23

Ulteriori spiegazioni.

00:03:24

Questi grafici possono essere controllati visivamente

00:03:26

per l'accuratezza della distribuzione dei dati.

00:03:28

Tuttavia, ad alcuni display

00:03:30

preferibile utilizzare una colonna cluster

00:03:33

Il grafico è più facile da disumanizzare.

00:03:35

Per vedere se un grafico a ciambella.

00:03:37

Può essere fonte di confusione,

00:03:38

soprattutto per proporzioni più piccole.

00:03:40

Lo spazio vuoto,

00:03:41

non sapere da dove iniziare

00:03:43

quando lo guardi inizialmente

00:03:45

e anche le proporzioni,

00:03:46

è molto difficile da calcolare

00:03:48

il valore dei loro angoli,

00:03:50

quindi si consiglia di utilizzare

00:03:52

colonna cluster sopra il grafico ad anello,

00:03:55

Ma entrambi sono popolari ora.

00:03:57

Procederemo ad altri grafici

00:03:59

e vedremo come lavorare con il

00:04:02

Colonne raggruppate nelle esercitazioni successive.

00:00:02

このチュートリアルでは、

00:00:04

重要度別のランキングチャート。

00:00:06

私たちの前に、私たちは2つの図を持っています

00:00:08

相互に関連するアイテムを比較するために使用されます。

00:00:11

左側のクラスター化された列

00:00:12

右側にはそのドーナチャートがあります

00:00:15

そのシナリオでは両方を適用できます。

00:00:17

そしてそれらは両方とも利点を提示します

00:00:19

と欠点。

00:00:20

クラスター化された列から始めましょう。

00:00:22

縦棒グラフの目的は何ですか?

00:00:25

カテゴリデータを次のように要約します。

00:00:27

平行な垂直バーの表示

00:00:30

高さ、したがって面積に比例

00:00:32

2 つの特定のデータ量

00:00:34

カテゴリごとに。

00:00:36

基本的には整理されたデータが表示されます

00:00:38

柱のような固体形状で。

00:00:40

このタイプのグラフは、

00:00:43

2 つ以上の分布の比較

00:00:45

名義尺度または順序尺度レベルのデータ。

00:00:48

集合縦棒グラフを使用できます

00:00:50

複数比較する必要がある場合

00:00:52

個人内のデータのカテゴリ

00:00:54

サブアイテム間だけでなく、サブアイテム間。

00:00:57

例えば

00:00:58

集合縦棒グラフを使用できます

00:01:00

をクリックして、各年の収益を比較します。

00:01:02

各地域内だけでなく、

00:01:05

地域間または訪問者ごと

00:01:07

トラフィックの送信元または場所。

00:01:08

タイムテーブル別の流入または製品タイプ別の売上、

00:01:12

これは次のチュートリアルで説明しますが、

00:01:14

これらの例を使用します。

00:01:16

主にクラスター化された列では、

00:01:18

複数のシリーズの直接比較、

00:01:20

しかし、それらはすぐに視覚的に複雑になります。

00:01:23

彼らは状況で最もよく機能します

00:01:25

データポイントが制限されている場合。

00:01:27

この例では、

00:01:28

ここでは、スポーツ別の売上高を使用します。

00:01:31

したがって、すべてのバーが表示されます。

00:01:33

そのスポーツによってどれだけの収入が生み出されているか

00:01:36

だから私が上を見上げるとき

00:01:38

サッカーの左、

00:01:40

彼らが45,000ユーロを生み出したことがわかります。

00:01:44

バドミントンは€30,000を生み出しました、

00:01:47

しかし、それは困難になります

00:01:50

列の高さはほぼ同じです。

00:01:52

今、私は正確な値を見ることができません、

00:01:55

しかし、一目で私は何を知っていますか

00:01:58

スポーツが最も多くの収益を生み出しています。

00:02:00

それでは、ドーナツグラフを見てみましょう。

00:02:03

これらは、

00:02:05

カテゴリの比率。

00:02:06

あとで

00:02:06

各ピースのサイズは

00:02:09

各カテゴリの割合

00:02:11

正午から時計回りに、

00:02:13

それは最も生成されたものから行きます

00:02:15

収益を最低の収益にします。

00:02:18

だからここで再び私たちは向きを変えなければなりません

00:02:20

スポーツごとに、

00:02:22

2つの円があることを除いて。

00:02:24

私たちは言うつもりです

00:02:26

異なるドーナツシェア、

00:02:27

そして、私たちは最初のシーズンとシーズンを言うことができます

00:02:30

各スポーツを比較する必要がある場合、2つ、

00:02:32

シーズン中に生成したもの

00:02:35

シーズン2に1つ。

00:02:36

したがって、ドーナツグラフには各売上が表示されます

00:02:38

ドーナツのスライスとしてのデータ。

00:02:41

摩耗したドーナツやドーナツが含まれている可能性があります

00:02:43

一方を他方の内側に配置しました。

00:02:45

ここに見られるように

00:02:46

ドーナツグラフはあなたがすべきことをしましょう

00:02:48

いくつかの部分の関係

00:02:49

ホールへのデータセット。

00:02:51

各ドーナツには一連のデータが表示されます。

00:02:53

だからあなたはいつドーナツを使うべきですか

00:02:55

円グラフのようなグラフ?

00:02:57

ドーナツチャートを使用して表示できます

00:02:59

合計100%のさまざまなデータポイント。

00:03:01

これらは比較に使用するのにも最適です

00:03:04

一目で一握りのカテゴリ。

00:03:07

そして、それらがホールとどのように関係しているか。

00:03:08

だからどの状況でドーナツ

00:03:10

チャートが最適ですが、

00:03:12

合計データ値データラベル、

00:03:14

または追加情報は

00:03:16

ドーナツグラフ全体に配置されます。

00:03:18

ドーナツチャートは使用すると便利です

00:03:20

データセットを比較するとき。

00:03:21

これらのチャートには最低限必要なもの

00:03:23

追加の説明。

00:03:24

これらのチャートは視覚的に確認できます

00:03:26

データ配信の正確さのため。

00:03:28

ただし、一部のディスプレイには

00:03:30

クラスター化列を使用することが望ましい

00:03:33

チャートは非人間化が簡単です。

00:03:35

ドーナツチャートかどうかを見る。

00:03:37

紛らわしい場合がありますが、

00:03:38

特にプロポーションが小さい場合。

00:03:40

空きスペース、

00:03:41

どこから始めればよいかわからない

00:03:43

最初に見ると

00:03:45

そしてまたプロポーション、

00:03:46

計算するのはとても難しいです

00:03:48

それらの角度の値、

00:03:50

したがって、使用することをお勧めします

00:03:52

ドーナツグラフの上に列をクラスターし、

00:03:55

しかし、どちらも今人気があります。

00:03:57

他のチャートに進みます

00:03:59

そして、私たちはどのように働くかを見ていきます

00:04:02

次のチュートリアルのクラスター化された列。

00:00:02

이 튜토리얼에서는 다음에 대해 논의할 것입니다.

00:00:04

중요도별 순위 차트.

00:00:06

우리 앞에는 두 개의 다이어그램이 있습니다.

00:00:08

서로 관련된 항목을 비교하는 데 사용됩니다.

00:00:11

왼쪽의 클러스터형 열

00:00:12

그리고 오른쪽에는 도넛 차트

00:00:15

둘 다 해당 시나리오에 적용될 수 있습니다.

00:00:17

그리고 둘 다 장점을 제시합니다.

00:00:19

그리고 단점.

00:00:20

클러스터형 열부터 시작하겠습니다.

00:00:22

세로 막대 그래프의 목적은 무엇입니까?

00:00:25

그들은 범주 형 데이터를 다음과 같이 요약합니다.

00:00:27

평행 한 수직 막대를 제시

00:00:30

높이와 그에 따른 면적 비례

00:00:32

두 가지 특정 수량의 데이터

00:00:34

각 범주에 대해.

00:00:36

기본적으로 정리 된 데이터를 보여줍니다.

00:00:38

기둥처럼 단단한 모양으로.

00:00:40

이 유형의 그래프는 다음과 같은 경우에 유용할 수 있습니다.

00:00:43

둘 이상의 분포 비교

00:00:45

명목 또는 순서 수준 데이터의.

00:00:48

묶은 세로 막대형 차트를 사용할 수 있습니다.

00:00:50

여러 개를 비교해야하는 경우

00:00:52

개인 내 데이터 범주

00:00:54

하위 항목뿐만 아니라 하위 항목 사이.

00:00:57

예컨대

00:00:58

묶은 세로 막대형 차트를 사용할 수 있습니다.

00:01:00

을 클릭하여 각 연도의 수익을 비교합니다.

00:01:02

각 지역 내뿐만 아니라

00:01:05

지역 간 또는 방문자 당

00:01:07

트래픽 소스 또는 위치.

00:01:08

시간표 또는 제품 유형별 판매에 의한 유입,

00:01:12

다음 튜토리얼에서 보게 될 것입니다.

00:01:14

그 예를 사용할 것입니다.

00:01:16

주로 클러스터형 열은

00:01:18

여러 시리즈의 직접 비교,

00:01:20

그러나 시각적으로 빠르게 복잡해집니다.

00:01:23

그들은 상황에서 가장 잘 작동합니다.

00:01:25

데이터 포인트가 제한된 경우.

00:01:27

이 예에서

00:01:28

여기에서는 스포츠별 회전율을 사용합니다.

00:01:31

그래서 모든 바가 표시됩니다.

00:01:33

해당 스포츠에서 발생하는 수익

00:01:36

그래서 내가 상단을 볼 때

00:01:38

축구를위한 왼쪽,

00:01:40

나는 그들이 45,000 유로를 벌어 들인 것을 볼 수 있습니다.

00:01:44

배드민턴은 약 € 30,000를 벌어 들였습니다.

00:01:47

그러나 그것은 어려울 때

00:01:50

기둥은 거의 같은 높이입니다.

00:01:52

이제 정확한 값을 볼 수 없습니다.

00:01:55

하지만 얼핏 보면 무슨 생각이 나는지 알 수 있습니다.

00:01:58

스포츠가 가장 많은 수익을 창출했습니다.

00:02:00

이제 도넛형 차트를 살펴보겠습니다.

00:02:03

그것들은 보여주기 위해 사용됩니다

00:02:05

범주의 비율.

00:02:06

나중에

00:02:06

각 조각의 크기를 나타냅니다.

00:02:09

각 범주의 비율

00:02:11

정오부터 시계 방향으로

00:02:13

가장 많이 생성 된 것부터 진행됩니다.

00:02:15

가장 낮은 수익에 대한 수익.

00:02:18

그래서 다시 여기서 우리는 돌아서야 합니다.

00:02:20

각 스포츠에 대해,

00:02:22

두 개의 원이 있다는 것을 제외하고.

00:02:24

우리는 다음과 같이 말할 것입니다.

00:02:26

다른 도넛 몫,

00:02:27

그리고 우리는 첫 번째 시즌과 시즌을 말할 수 있습니다.

00:02:30

각 스포츠를 비교해야한다면 두 가지,

00:02:32

시즌 동안 생성 된 것

00:02:35

시즌 2에 하나.

00:02:36

따라서 도넛형 차트는 각 판매량을 보여줍니다.

00:02:38

도넛 조각으로서의 데이터.

00:02:41

마모 된 도넛이 더 들어있을 수 있습니다.

00:02:43

하나를 다른 안에 배열했습니다.

00:02:45

여기에서 볼 수 있듯이

00:02:46

도넛 형 차트를 사용하면

00:02:48

여러 부분의 관계

00:02:49

홀에 대한 데이터 세트.

00:02:51

각 도넛은 일련의 데이터를 보여줍니다.

00:02:53

그럼 도넛은 언제 사용해야 할까요?

00:02:55

원형 차트와 같은 차트?

00:02:57

도넛형 차트를 사용하여 표시할 수 있습니다.

00:02:59

총 100 %의 다른 데이터 포인트.

00:03:01

이것들은 또한 비교하는 데 사용하는 것이 가장 좋습니다.

00:03:04

한 눈에 볼 수 있는 몇 가지 카테고리.

00:03:07

그리고 그들이 홀과 어떻게 관련되어 있는지.

00:03:08

그래서 어떤 상황에서 도넛

00:03:10

차트가 가장 적합하며,

00:03:12

총 데이터 값 데이터 레이블,

00:03:14

또는 추가 정보가 될 수 있습니다.

00:03:16

도넛형 차트 전체에 배치됩니다.

00:03:18

도넛형 차트를 사용하는 것이 좋습니다.

00:03:20

데이터 집합을 비교할 때.

00:03:21

이 차트에는 최소 요구 사항이 필요합니다.

00:03:23

추가 설명.

00:03:24

이 차트는 육안으로 확인할 수 있습니다.

00:03:26

데이터 배포의 정확성을 위해.

00:03:28

그러나 일부 디스플레이에는

00:03:30

클러스터형 열을 사용하는 것이 좋습니다.

00:03:33

차트는 비인간화하기가 더 쉽습니다.

00:03:35

도넛형 차트인지 여부를 살펴보기 위해.

00:03:37

혼란 스러울 수 있습니다.

00:03:38

특히 더 작은 비율의 경우.

00:03:40

빈 공간은,

00:03:41

어디서부터 시작해야할지 모르겠다

00:03:43

처음에 볼 때

00:03:45

또한 비율,

00:03:46

계산하기가 매우 어렵습니다.

00:03:48

각도의 가치,

00:03:50

따라서 사용하는 것이 좋습니다

00:03:52

도넛 형 차트 위의 클러스터 열,

00:03:55

그러나 둘 다 지금 인기가 있습니다.

00:03:57

다른 차트로 진행합니다.

00:03:59

그리고 우리는 함께 일하는 방법을 볼 것입니다

00:04:02

다음 자습서의 클러스터형 열.

00:00:02

在本教程中，我們將討論

00:00:04

按重要性排列的排名圖表。

00:00:06

在我們面前，我們有兩個圖表，它們是

00:00:08

用於比較彼此相關的專案。

00:00:11

左側為簇狀列

00:00:12

在右邊的道格胡特圖表

00:00:15

兩者都可以應用於該場景，

00:00:17

它們都具有優勢

00:00:19

和缺點。

00:00:20

讓我們從聚集列開始。

00:00:22

柱形圖的目的是什麼？

00:00:25

他們按以下方式匯總分類數據

00:00:27

呈現平行垂直條，並帶有

00:00:30

高度，因此面積成正比

00:00:32

兩個特定數量的數據

00:00:34

對於每個類別。

00:00:36

它基本上顯示組織的數據

00:00:38

呈實心形狀，像柱子一樣。

00:00:40

這種類型的圖形在

00:00:43

比較兩個或多個分佈

00:00:45

名義或序數級數據。

00:00:48

可以使用簇狀柱形圖

00:00:50

如果您需要比較多個

00:00:52

個人數據類別

00:00:54

子項以及子項之間。

00:00:57

例如

00:00:58

您可以使用簇狀柱形圖

00:01:00

以比較每年的收入。

00:01:02

在每個地區以及

00:01:05

區域之間或訪客之間

00:01:07

流量來源或位置。

00:01:08

按時程表或按產品類型銷售的湧入，

00:01:12

我們將在下一個教程中看到，

00:01:14

將使用這些範例，

00:01:16

主要是簇狀列允許

00:01:18

多個系列的直接比較，

00:01:20

但它們在視覺上很快就會變得複雜。

00:01:23

它們在各種情況下效果最好

00:01:25

數據點有限的地方。

00:01:27

在此示例中，

00:01:28

在這裡，我使用體育營業額，

00:01:31

所以每個條形都顯示。

00:01:33

這項運動產生了多少收入

00:01:36

所以當我抬頭看頂部時

00:01:38

足球的左邊，

00:01:40

我可以看到他們已經產生了45，000歐元。

00:01:44

羽毛球已經產生了大約 30，000 歐元，

00:01:47

但是當

00:01:50

列的高度大致相同。

00:01:52

現在我看不到確切的值，

00:01:55

但一眼就知道了什麼

00:01:58

體育創造了最多的收入。

00:02:00

現在讓我們看一下甜甜圈圖。

00:02:03

這些用於顯示

00:02:05

分類的比例。

00:02:06

後

00:02:06

每件的尺寸代表

00:02:09

每個類別的比例

00:02:11

從中午開始順時針，

00:02:13

它從生成最多的

00:02:15

收入到最低收入。

00:02:18

所以在這裡我們必須再次轉向

00:02:20

每項運動都結束了，

00:02:22

除了有兩個圓圈。

00:02:24

我們要說的是

00:02:26

不同的甜甜圈份額，

00:02:27

我們可以說第一季和第一季

00:02:30

兩個，如果我必須比較每項運動，

00:02:32

它為季節產生了什麼

00:02:35

一到第二季。

00:02:36

所以甜甜圈圖顯示每個銷售

00:02:38

數據作為甜甜圈的切片。

00:02:41

它可能含有磨損或更多的甜甜圈

00:02:43

一個在另一個裡面排列。

00:02:45

正如我們在這裡看到的

00:02:46

甜甜圈圖讓你應該

00:02:48

幾個部分的關係

00:02:49

數據集到大廳。

00:02:51

每個甜甜圈顯示一系列數據。

00:02:53

那麼什麼時候應該使用甜甜圈

00:02:55

像餅圖一樣的圖表？

00:02:57

圓環圖可用於顯示

00:02:59

總計 100% 的不同數據點。

00:03:01

這些也最好用來比較

00:03:04

幾個類別一目了然。

00:03:07

以及它們與大廳的關係。

00:03:08

那麼在什麼情況下甜甜圈

00:03:10

圖表最合適，

00:03:12

總數據值數據標籤，

00:03:14

或任何其他資訊可以是

00:03:16

放置在整個圓環圖中。

00:03:18

圓環圖很好用

00:03:20

比較數據集時。

00:03:21

這些圖表要求最低

00:03:23

其他解釋。

00:03:24

可以目視檢查這些圖表

00:03:26

確保數據分發的準確性。

00:03:28

但是，對於某些顯示器

00:03:30

最好使用簇狀柱

00:03:33

圖表更容易非人性化。

00:03:35

查看圓環圖是否。

00:03:37

可能會令人困惑，

00:03:38

特別是對於較小的比例。

00:03:40

空曠的空間，

00:03:41

不知道從哪裡開始

00:03:43

當你最初看它時

00:03:45

還有比例，

00:03:46

很難計算

00:03:48

它們的角度值，

00:03:50

所以建議使用

00:03:52

圓環圖上的聚類柱，

00:03:55

但他們現在都很受歡迎。

00:03:57

我們將繼續使用其他圖表

00:03:59

我們將看到如何使用

00:04:02

後續教程中的聚集列。

00:00:02

在本教程中，我们将讨论

00:00:04

按重要性排列的排名图表。

00:00:06

在我们面前，我们有两个图表，它们是

00:00:08

用于比较彼此相关的项目。

00:00:11

左侧为簇状列

00:00:12

在右边的道格胡特图表

00:00:15

两者都可以应用于该场景，

00:00:17

它们都具有优势

00:00:19

和缺点。

00:00:20

让我们从聚集列开始。

00:00:22

柱形图的目的是什么？

00:00:25

他们按以下方式汇总分类数据

00:00:27

呈现平行垂直条，并带有

00:00:30

高度，因此面积成正比

00:00:32

两个特定数量的数据

00:00:34

对于每个类别。

00:00:36

它基本上显示组织的数据

00:00:38

呈实心形状，像柱子一样。

00:00:40

这种类型的图形在

00:00:43

比较两个或多个分布

00:00:45

名义或序数级数据。

00:00:48

可以使用簇状柱形图

00:00:50

如果您需要比较多个

00:00:52

个人数据类别

00:00:54

子项以及子项之间。

00:00:57

例如

00:00:58

您可以使用簇状柱形图

00:01:00

以比较每年的收入。

00:01:02

在每个地区以及

00:01:05

区域之间或访客之间

00:01:07

流量来源或位置。

00:01:08

按时间表或按产品类型销售的涌入，

00:01:12

我们将在下一个教程中看到，

00:01:14

将使用这些示例，

00:01:16

主要是簇状列允许

00:01:18

多个系列的直接比较，

00:01:20

但它们在视觉上很快就会变得复杂。

00:01:23

它们在各种情况下效果最好

00:01:25

数据点有限的地方。

00:01:27

在此示例中，

00:01:28

在这里，我使用体育营业额，

00:01:31

所以每个条形都显示。

00:01:33

这项运动产生了多少收入

00:01:36

所以当我抬头看顶部时

00:01:38

足球的左边，

00:01:40

我可以看到他们已经产生了45，000欧元。

00:01:44

羽毛球已经产生了大约 30，000 欧元，

00:01:47

但是当

00:01:50

列的高度大致相同。

00:01:52

现在我看不到确切的值，

00:01:55

但一眼就知道了什么

00:01:58

体育创造了最多的收入。

00:02:00

现在让我们看一下甜甜圈图。

00:02:03

这些用于显示

00:02:05

分类的比例。

00:02:06

后

00:02:06

每件的尺寸代表

00:02:09

每个类别的比例

00:02:11

从中午开始顺时针，

00:02:13

它从生成最多的

00:02:15

收入到最低收入。

00:02:18

所以在这里我们必须再次转向

00:02:20

每项运动都结束了，

00:02:22

除了有两个圆圈。

00:02:24

我们要说的是

00:02:26

不同的甜甜圈份额，

00:02:27

我们可以说第一季和第一季

00:02:30

两个，如果我必须比较每项运动，

00:02:32

它为季节产生了什么

00:02:35

一到第二季。

00:02:36

所以甜甜圈图显示每个销售

00:02:38

数据作为甜甜圈的切片。

00:02:41

它可能含有磨损或更多的甜甜圈

00:02:43

一个在另一个里面排列。

00:02:45

正如我们在这里看到的

00:02:46

甜甜圈图让你应该

00:02:48

几个部分的关系

00:02:49

数据集到大厅。

00:02:51

每个甜甜圈显示一系列数据。

00:02:53

那么什么时候应该使用甜甜圈

00:02:55

像饼图一样的图表？

00:02:57

圆环图可用于显示

00:02:59

总计 100% 的不同数据点。

00:03:01

这些也最好用来比较

00:03:04

几个类别一目了然。

00:03:07

以及它们与大厅的关系。

00:03:08

那么在什么情况下甜甜圈

00:03:10

图表最合适，

00:03:12

总数据值数据标签，

00:03:14

或任何其他信息可以是

00:03:16

放置在整个圆环图中。

00:03:18

圆环图很好用

00:03:20

比较数据集时。

00:03:21

这些图表要求最低

00:03:23

其他解释。

00:03:24

可以目视检查这些图表

00:03:26

确保数据分发的准确性。

00:03:28

但是，对于某些显示器

00:03:30

最好使用簇状柱

00:03:33

图表更容易非人性化。

00:03:35

查看圆环图是否。

00:03:37

可能会令人困惑，

00:03:38

特别是对于较小的比例。

00:03:40

空旷的空间，

00:03:41

不知道从哪里开始

00:03:43

当你最初看它时

00:03:45

还有比例，

00:03:46

很难计算

00:03:48

它们的角度值，

00:03:50

所以建议使用

00:03:52

圆环图上的聚类柱，

00:03:55

但他们现在都很受欢迎。

00:03:57

我们将继续使用其他图表

00:03:59

我们将看到如何使用

00:04:02

后续教程中的聚集列。

00:00:02

In diesem Tutorial diskutieren wir

00:00:04

Die Rangliste nach Wichtigkeit.

00:00:06

Vor uns liegen zwei Diagramme, die

00:00:08

Wird verwendet, um miteinander verwandte Elemente zu vergleichen.

00:00:11

Links die gruppierte Spalte

00:00:12

und rechts das Doughut-Diagramm

00:00:15

Beide können in diesem Szenario angewendet werden,

00:00:17

und beide bieten Vorteile

00:00:19

und Nachteile.

00:00:20

Beginnen wir mit den gruppierten Spalten.

00:00:22

Wozu dienen Säulendiagramme?

00:00:25

Sie fassen kategoriale Daten zusammen, indem sie

00:00:27

Darstellung paralleler vertikaler Balken mit

00:00:30

eine Höhe und damit flächenproportional

00:00:32

Zwei spezifische Datenmengen

00:00:34

für jede Kategorie.

00:00:36

Es zeigt im Wesentlichen Daten organisiert

00:00:38

in festen Formen, wie Säulen.

00:00:40

Diese Art von Diagramm kann nützlich sein in

00:00:43

Vergleich von zwei oder mehr Distributionen

00:00:45

von Nominal- oder Ordinalpegeldaten.

00:00:48

Ein gruppiertes Säulendiagramm kann verwendet werden

00:00:50

Wenn Sie mehrere vergleichen müssen

00:00:52

Kategorien von Daten innerhalb einzelner

00:00:54

Unterpositionen sowie zwischen Unterpositionen.

00:00:57

Zum Beispiel

00:00:58

Sie können ein gruppiertes Säulendiagramm verwenden

00:01:00

, um die Einnahmen für jedes Jahr zu vergleichen.

00:01:02

Innerhalb jeder Region sowie

00:01:05

zwischen Regionen oder Besuchern pro

00:01:07

Verkehrsquelle oder -standort.

00:01:08

Zustrom nach Zeitplan oder Verkauf nach Produkttyp,

00:01:12

die wir in den nächsten Tutorials sehen werden,

00:01:14

wird diese Beispiele verwenden,

00:01:16

Hauptsächlich ermöglichen die gruppierten Spalten die

00:01:18

direkter Vergleich mehrerer Baureihen,

00:01:20

Aber sie werden visuell schnell komplex.

00:01:23

Sie funktionieren am besten in Situationen

00:01:25

wo Datenpunkte begrenzt sind.

00:01:27

In diesem Beispiel

00:01:28

hier nutze ich den Umsatz nach Sportarten,

00:01:31

So zeigt sich jede Bar.

00:01:33

Wie viel Umsatz wird durch diese Sportart generiert?

00:01:36

Also, wenn ich oben auf

00:01:38

die Linke für den Fußball,

00:01:40

Ich sehe, dass sie 45.000 Euro generiert haben.

00:01:44

Badminton hat rund 30.000 € generiert,

00:01:47

Aber es wird schwierig, wenn die

00:01:50

Spalten sind ungefähr gleich hoch.

00:01:52

Jetzt kann ich den genauen Wert nicht sehen,

00:01:55

aber auf einen Blick habe ich eine Ahnung, was

00:01:58

Sport hat die meisten Einnahmen generiert.

00:02:00

Werfen wir nun einen Blick auf das Donut-Diagramm.

00:02:03

Diese werden verwendet, um die

00:02:05

Proportionen von kategorisch.

00:02:06

Später

00:02:06

wobei die Größe jedes Stücks

00:02:09

den Anteil der einzelnen Kategorien

00:02:11

ab Mittag im Uhrzeigersinn,

00:02:13

Es geht von den am meisten generierten

00:02:15

Umsatz zu den niedrigsten Einnahmen.

00:02:18

Also auch hier müssen wir uns wenden

00:02:20

über für jede Sportart,

00:02:22

Außer dass es zwei Kreise gibt.

00:02:24

Wir sagen mit

00:02:26

verschiedene Donut-Anteile,

00:02:27

und wir können sagen, die erste Staffel und Staffel

00:02:30

zwei, wenn ich jede Sportart vergleichen müsste,

00:02:32

Was es für die Saison generiert hat

00:02:35

eins zu Staffel 2.

00:02:36

So zeigen Donut-Diagramme jeden Umsatz

00:02:38

Daten als eine Scheibe eines Donuts.

00:02:41

Es kann abgenutzte oder mehr Donut enthalten

00:02:43

ineinander angeordnet.

00:02:45

Wie wir hier sehen

00:02:46

Donut-Diagramme lassen Sie sollten

00:02:48

Beziehung von Teilen mehrerer

00:02:49

Datensätze zur Halle.

00:02:51

Jeder Donut zeigt eine Reihe von Daten.

00:02:53

Wann sollten Sie also einen Donut verwenden?

00:02:55

Diagramm wie Kreisdiagramme?

00:02:57

Donut-Diagramme können verwendet werden, um

00:02:59

verschiedene Datenpunkte, die insgesamt 100% betragen.

00:03:01

Diese sind auch am besten zu verwenden, um zu vergleichen

00:03:04

Eine Handvoll Kategorien auf einen Blick.

00:03:07

Und wie sie sich auf die Halle beziehen.

00:03:08

Also in welcher Situation Donut

00:03:10

Diagramme am besten geeignet ist,

00:03:12

Datenbeschriftungen für den Gesamtdatenwert,

00:03:14

oder zusätzliche Informationen können

00:03:16

in der Gesamtheit eines Donut-Diagramms platziert.

00:03:18

Donut-Diagramme sind gut zu verwenden

00:03:20

beim Vergleich von Datensätzen.

00:03:21

Für diese Diagramme sind mindestens

00:03:23

Zusätzliche Erklärungen.

00:03:24

Diese Diagramme können visuell überprüft werden

00:03:26

für die Genauigkeit der Datenverteilung.

00:03:28

Zu einigen Displays

00:03:30

Vorzugsweise eine gruppierte Spalte verwenden

00:03:33

Diagramm ist leichter zu entmenschlichen.

00:03:35

Um zu sehen, ob ein Donut-Diagramm.

00:03:37

Kann verwirrend sein,

00:03:38

vor allem für kleinere Proportionen.

00:03:40

Der leere Raum,

00:03:41

Ich weiß nicht, wo man anfangen soll

00:03:43

Wenn man es sich zunächst anschaut

00:03:45

und auch die Proportionen,

00:03:46

Es ist sehr schwer zu berechnen

00:03:48

den Wert ihrer Winkel,

00:03:50

Daher wird empfohlen,

00:03:52

Clusterspalte über dem Ringdiagramm,

00:03:55

Aber beide sind jetzt beliebt.

00:03:57

Wir werden mit anderen Diagrammen fortfahren

00:03:59

und wir werden sehen, wie man mit dem

00:04:02

gruppierte Spalten in den nächsten Lernprogrammen.

00:00:02

En este tutorial, discutiremos

00:00:04

las tablas de clasificación por importancia.

00:00:06

Ante nosotros, tenemos dos diagramas que son:

00:00:08

Se utiliza para comparar elementos relacionados entre sí.

00:00:11

A la izquierda, la columna agrupada

00:00:12

y a la derecha ese gráfico de donuts

00:00:15

ambos se pueden aplicar en ese escenario,

00:00:17

y ambos presentan ventajas

00:00:19

y desventajas.

00:00:20

Comencemos con las columnas agrupadas.

00:00:22

¿Cuál es el propósito de los gráficos de columnas?

00:00:25

Resumen los datos categóricos por

00:00:27

presentando barras verticales paralelas con

00:00:30

una altura y, por lo tanto, un área proporcionada

00:00:32

Dos cantidades específicas de datos

00:00:34

para cada categoría.

00:00:36

Básicamente muestra datos organizados

00:00:38

en formas sólidas, como pilares.

00:00:40

Este tipo de gráfico puede ser útil en

00:00:43

Comparación de dos o más distribuciones

00:00:45

de datos a nivel nominal u ordinal.

00:00:48

Se puede utilizar un gráfico de columnas agrupadas

00:00:50

Si necesita comparar varios

00:00:52

Categorías de datos dentro de

00:00:54

sub elementos, así como entre sub elementos.

00:00:57

Por ejemplo

00:00:58

Puede utilizar un gráfico de columnas agrupadas

00:01:00

para comparar los ingresos de cada año.

00:01:02

Dentro de cada región, así como

00:01:05

entre regiones o visitantes por

00:01:07

Fuente o ubicación del tráfico.

00:01:08

Afluencia por horario o ventas por tipo de producto,

00:01:12

que veremos en los próximos tutoriales,

00:01:14

usará esos ejemplos,

00:01:16

principalmente las columnas agrupadas permiten la

00:01:18

comparación directa de múltiples series,

00:01:20

Pero se vuelven visualmente complejos rápidamente.

00:01:23

Funcionan mejor en situaciones

00:01:25

donde los puntos de datos son limitados.

00:01:27

En este ejemplo,

00:01:28

aquí utilizo la facturación por deporte,

00:01:31

Así que cada bar muestra.

00:01:33

Cuántos ingresos genera ese deporte

00:01:36

Así que cuando miro hacia arriba en

00:01:38

la izquierda para el fútbol,

00:01:40

Puedo ver que han generado 45.000 euros.

00:01:44

El bádminton ha generado unos 30.000 €,

00:01:47

Pero se vuelve difícil cuando el

00:01:50

Las columnas tienen aproximadamente la misma altura.

00:01:52

Ahora no puedo ver el valor exacto,

00:01:55

pero en un vistazo rápido tengo una idea de lo que

00:01:58

El deporte ha generado la mayor cantidad de ingresos.

00:02:00

Ahora echemos un vistazo a la tabla de donuts.

00:02:03

Estos se utilizan para mostrar el

00:02:05

proporciones de categórico.

00:02:06

Más tarde

00:02:06

con el tamaño de cada pieza representando

00:02:09

la proporción de cada categoría

00:02:11

a partir del mediodía en el sentido de las agujas del reloj,

00:02:13

Va desde lo más generado

00:02:15

ingresos a los ingresos más bajos.

00:02:18

Así que de nuevo aquí tenemos que recurrir

00:02:20

más para cada deporte,

00:02:22

excepto que hay dos círculos.

00:02:24

Vamos a decir con

00:02:26

diferentes acciones de donuts,

00:02:27

y podemos decir la primera temporada y la temporada

00:02:30

dos si tuviera que comparar cada deporte,

00:02:32

Lo que ha generado para la temporada

00:02:35

Uno a la temporada 2.

00:02:36

Así que los gráficos de donuts muestran cada venta

00:02:38

datos como una rebanada de una rosquilla.

00:02:41

Puede contener rosquillas desgastadas o más

00:02:43

dispuestos uno dentro del otro.

00:02:45

Como vemos aquí

00:02:46

Los gráficos de donuts te permiten

00:02:48

Relación de partes de varios

00:02:49

conjuntos de datos a la sala.

00:02:51

Cada rosquilla muestra una serie de datos.

00:02:53

Entonces, ¿cuándo debes usar una dona?

00:02:55

¿Gráficos como gráficos circulares?

00:02:57

Los gráficos de rosquillas se pueden usar para mostrar

00:02:59

Diferentes puntos de datos que suman el 100%.

00:03:01

Estos también son los mejores para comparar

00:03:04

Un puñado de categorías de un vistazo.

00:03:07

Y cómo se relacionan con la sala.

00:03:08

Entonces, ¿en qué situación donut

00:03:10

gráficos es el más adecuado,

00:03:12

etiquetas de datos de valor total de datos,

00:03:14

o cualquier información adicional puede ser

00:03:16

colocado en el conjunto de una tabla de donas.

00:03:18

Los gráficos de donas son buenos para usar

00:03:20

al comparar conjuntos de datos.

00:03:21

Estos gráficos requieren un mínimo

00:03:23

Explicaciones adicionales.

00:03:24

Estos gráficos se pueden comprobar visualmente

00:03:26

para la precisión de la distribución de datos.

00:03:28

Sin embargo, a algunas pantallas

00:03:30

Preferible utilizar una columna agrupada

00:03:33

El gráfico es más fácil de deshumanizar.

00:03:35

Para ver si una tabla de donas.

00:03:37

Puede ser confuso,

00:03:38

especialmente para proporciones más pequeñas.

00:03:40

El espacio vacío,

00:03:41

No saber por dónde empezar

00:03:43

cuando lo miras inicialmente

00:03:45

y también las proporciones,

00:03:46

Es muy difícil de calcular

00:03:48

el valor de sus ángulos,

00:03:50

por lo que se recomienda utilizar

00:03:52

columna de clúster sobre el gráfico de rosquillas,

00:03:55

Pero ambos son populares ahora.

00:03:57

Procederemos a otros gráficos

00:03:59

y veremos cómo trabajar con el

00:04:02

columnas agrupadas en los siguientes tutoriales.

00:00:02

في هذا البرنامج التعليمي ، سنناقش

00:00:04

مخططات الترتيب حسب الأهمية.

00:00:06

أمامنا مخططان هما

00:00:08

تستخدم لمقارنة العناصر المتعلقة ببعضها البعض.

00:00:11

على اليمين، العمود متفاوت المسافات

00:00:12

وعلى اليمين أن مخطط العجين

00:00:15

يمكن تطبيق كلاهما في هذا السيناريو ،

00:00:17

وكلاهما يقدم مزايا

00:00:19

وعيوبها.

00:00:20

لنبدأ بالأعمدة متفاوتة المسافات.

00:00:22

ما هو الغرض من الرسوم البيانية للأعمدة؟

00:00:25

يلخصون البيانات الفئوية بواسطة

00:00:27

تقديم أشرطة عمودية متوازية مع

00:00:30

ارتفاع وبالتالي مساحة متناسبة

00:00:32

كميتان محددتان من البيانات

00:00:34

لكل فئة.

00:00:36

يظهر بشكل أساسي البيانات المنظمة

00:00:38

في أشكال صلبة ، مثل الأعمدة.

00:00:40

يمكن أن يكون هذا النوع من الرسم البياني مفيدا في

00:00:43

مقارنة توزيعين أو أكثر

00:00:45

من بيانات المستوى الاسمي أو الترتيبي.

00:00:48

يمكن استخدام مخطط عمودي متفاوت المسافات

00:00:50

إذا كنت بحاجة إلى مقارنة متعددة

00:00:52

فئات البيانات داخل الفرد

00:00:54

العناصر الفرعية وكذلك بين العناصر الفرعية.

00:00:57

على سبيل المثال،

00:00:58

يمكنك استخدام مخطط عمودي متفاوت المسافات

00:01:00

لمقارنة الإيرادات لكل عام.

00:01:02

داخل كل منطقة وكذلك

00:01:05

بين المناطق أو الزوار لكل

00:01:07

مصدر حركة المرور أو الموقع.

00:01:08

التدفق حسب الجدول الزمني أو المبيعات حسب نوع المنتج ،

00:01:12

التي سنراها في البرامج التعليمية التالية ،

00:01:14

سيستخدم هذه الأمثلة ،

00:01:16

تسمح الأعمدة المجمعة بشكل أساسي

00:01:18

مقارنة مباشرة بين سلاسل متعددة ،

00:01:20

لكنها تصبح معقدة بصريا بسرعة.

00:01:23

أنها تعمل بشكل أفضل في المواقف

00:01:25

حيث تكون نقاط البيانات محدودة.

00:01:27

في هذا المثال،

00:01:28

هنا أستخدم معدل الدوران حسب الرياضة ،

00:01:31

لذلك يظهر كل شريط.

00:01:33

مقدار الإيرادات التي تحققها تلك الرياضة

00:01:36

لذلك عندما أنظر إلى الأعلى

00:01:38

اليسار لكرة القدم ،

00:01:40

أستطيع أن أرى أنهم ولدوا 45000 يورو.

00:01:44

ولدت كرة الريشة حوالي 30,000 يورو ،

00:01:47

لكن الأمر يصبح صعبا عندما

00:01:50

الأعمدة بنفس الارتفاع تقريبا.

00:01:52

الآن لا أستطيع رؤية القيمة الدقيقة ،

00:01:55

ولكن في لمحة سريعة لدي فكرة عما

00:01:58

حققت الرياضة أكبر قدر من الإيرادات.

00:02:00

الآن دعونا نلقي نظرة على المخطط الدائري المجوف.

00:02:03

يتم استخدام تلك لإظهار

00:02:05

نسب قاطع.

00:02:06

فيما بعد

00:02:06

مع حجم كل قطعة تمثل

00:02:09

نسبة كل فئة

00:02:11

بدءا من نقطة الظهر في اتجاه عقارب الساعة ،

00:02:13

يذهب من الأكثر توليدا

00:02:15

الإيرادات إلى أقل الإيرادات.

00:02:18

لذا مرة أخرى هنا علينا أن ننتقل

00:02:20

لكل رياضة،

00:02:22

إلا أن هناك دائرتين.

00:02:24

سنقول مع

00:02:26

أسهم دونات مختلفة ،

00:02:27

ويمكننا أن نقول الموسم الأول والموسم

00:02:30

اثنان إذا كان علي مقارنة كل رياضة ،

00:02:32

ما ولدته للموسم

00:02:35

واحد إلى الموسم 2.

00:02:36

لذلك تظهر المخططات المجوفة كل عملية بيع

00:02:38

البيانات كشريحة من دونات.

00:02:41

قد تحتوي على دونات بالية أو أكثر

00:02:43

رتبت واحدة داخل الأخرى.

00:02:45

كما نرى هنا

00:02:46

تتيح لك المخططات الدائرية المجوفة ما يلي:

00:02:48

علاقة أجزاء من عدة

00:02:49

مجموعات من البيانات إلى القاعة.

00:02:51

يعرض كل دونات سلسلة من البيانات.

00:02:53

إذن متى يجب عليك استخدام دونات

00:02:55

الرسم البياني مثل المخططات الدائرية؟

00:02:57

يمكن استخدام المخططات المجوفة للعرض

00:02:59

نقاط بيانات مختلفة يبلغ مجموعها 100٪.

00:03:01

هذه هي أيضا أفضل لاستخدامها للمقارنة

00:03:04

حفنة من الفئات في لمحة.

00:03:07

وكيف ترتبط بالقاعة.

00:03:08

لذلك في أي حالة دونات

00:03:10

الرسوم البيانية هي الأنسب ،

00:03:12

تسميات بيانات قيمة البيانات الإجمالية ،

00:03:14

أو أي معلومات إضافية يمكن أن تكون

00:03:16

وضعت في كامل الرسم البياني دونات.

00:03:18

المخططات المجوفة جيدة للاستخدام

00:03:20

عند مقارنة مجموعات البيانات.

00:03:21

تتطلب هذه المخططات الحد الأدنى

00:03:23

تفسيرات إضافية.

00:03:24

يمكن التحقق من هذه المخططات بصريا

00:03:26

لدقة توزيع البيانات.

00:03:28

ومع ذلك ، إلى بعض شاشات العرض

00:03:30

يفضل استخدام عمود متفاوت المسافات

00:03:33

الرسم البياني أسهل في التجريد من الإنسانية.

00:03:35

للنظر في ما إذا كان مخطط دونات.

00:03:37

يمكن أن يكون مربكا ،

00:03:38

خاصة بالنسبة للنسب الأصغر.

00:03:40

المساحة الفارغة ،

00:03:41

لا تعرف من أين تبدأ

00:03:43

عندما تنظر إليها في البداية

00:03:45

وكذلك النسب،

00:03:46

من الصعب جدا حسابها

00:03:48

قيمة زواياها

00:03:50

لذلك يوصى باستخدامه

00:03:52

عمود الكتلة فوق المخطط المجوف ،

00:03:55

لكن كلاهما يحظى بشعبية الآن.

00:03:57

سننتقل إلى الرسوم البيانية الأخرى

00:03:59

وسنرى كيفية التعامل مع

00:04:02

أعمدة مجمعة في البرامج التعليمية التالية.

00:00:02

În acest tutorial, vom discuta

00:00:04

clasamentul se situează în funcție de importanță.

00:00:06

În fața noastră, avem două diagrame care sunt

00:00:08

utilizate pentru a compara elemente legate între ele.

00:00:11

În stânga, coloana grupată

00:00:12

și în dreapta că diagramă doughut

00:00:15

ambele pot fi aplicate în acest scenariu,

00:00:17

și ambele prezintă avantaje

00:00:19

și dezavantaje.

00:00:20

Să începem cu coloanele grupate.

00:00:22

Care este scopul graficelor cu coloane?

00:00:25

Acestea rezumă datele categorice prin

00:00:27

prezentarea barelor verticale paralele cu

00:00:30

o înălțime și, prin urmare, o suprafață proporțională

00:00:32

două cantități specifice de date

00:00:34

pentru fiecare categorie.

00:00:36

Practic arată datele organizate

00:00:38

în forme solide, ca niște stâlpi.

00:00:40

Acest tip de grafic poate fi util în

00:00:43

compararea a două sau mai multe distribuții

00:00:45

a datelor de nivel nominal sau ordinal.

00:00:48

Se poate utiliza o diagramă coloană grupată

00:00:50

dacă trebuie să comparați mai multe

00:00:52

categorii de date în cadrul individului

00:00:54

subelemente, precum și între subelemente.

00:00:57

De exemplu

00:00:58

puteți utiliza o diagramă coloană grupată

00:01:00

pentru a compara veniturile pentru fiecare an.

00:01:02

În cadrul fiecărei regiuni, precum și

00:01:05

între regiuni sau vizitatori per

00:01:07

sursa sau locația traficului.

00:01:08

Afluxul în funcție de calendar sau de vânzări în funcție de tipul de produs,

00:01:12

pe care le vom vedea în tutorialele următoare,

00:01:14

va folosi aceste exemple,

00:01:16

în principal, coloanele grupate permit

00:01:18

compararea directă a mai multor serii,

00:01:20

dar ele devin complexe vizual rapid.

00:01:23

Funcționează cel mai bine în situații

00:01:25

în cazul în care punctele de date sunt limitate.

00:01:27

În acest exemplu,

00:01:28

aici folosesc cifra de afaceri prin sport,

00:01:31

astfel încât fiecare bar arată.

00:01:33

Cât de multe venituri sunt generate de acest sport

00:01:36

Deci, atunci când mă uit în sus pe partea de sus pe

00:01:38

stânga pentru fotbal,

00:01:40

Văd că au generat 45.000 de euro.

00:01:44

Badmintonul a generat aproximativ 30.000 de euro,

00:01:47

dar devine dificil atunci când

00:01:50

coloanele au aproximativ aceeași înălțime.

00:01:52

Acum nu pot vedea valoarea exactă,

00:01:55

dar într-o privire rapidă am o idee despre ce

00:01:58

sportul a generat cele mai multe venituri.

00:02:00

Acum, să aruncăm o privire la graficul gogoașă.

00:02:03

Acestea sunt folosite pentru a arăta

00:02:05

proporții de categoric.

00:02:06

Mai târziu

00:02:06

cu dimensiunea fiecărei piese reprezentând

00:02:09

proporția fiecărei categorii

00:02:11

începând cu ora prânzului, în sensul acelor de ceasornic,

00:02:13

se merge de la cele mai generate

00:02:15

venituri la cele mai mici venituri.

00:02:18

Deci, din nou, aici trebuie să ne întoarcem

00:02:20

peste pentru fiecare sport,

00:02:22

doar că sunt două cercuri.

00:02:24

Vom spune cu

00:02:26

diferite cote de gogoașă,

00:02:27

și putem spune primul sezon și primul sezon

00:02:30

două dacă ar trebui să compar fiecare sport,

00:02:32

ce a generat pentru sezon

00:02:35

unul la sezonul 2.

00:02:36

Deci, diagrame gogoașă arată fiecare vânzări

00:02:38

date ca o felie de gogoașă.

00:02:41

Poate conține gogoașă uzată sau mai multă gogoașă

00:02:43

aranjate unul în interiorul celuilalt.

00:02:45

După cum vedem aici

00:02:46

diagrame gogoașă vă permit să ar trebui să

00:02:48

relația părților din mai multe

00:02:49

seturi de date către sală.

00:02:51

Fiecare gogoașă afișează o serie de date.

00:02:53

Deci, atunci când ar trebui să utilizați o gogoașă

00:02:55

diagramă cum ar fi diagrame radiale?

00:02:57

Diagramele gogoși pot fi utilizate pentru a afișa

00:02:59

puncte de date diferite care totalizează 100%.

00:03:01

Acestea sunt, de asemenea, cel mai bine de utilizat pentru a compara

00:03:04

o mână de categorii dintr-o privire.

00:03:07

Și cum se raportează la sală.

00:03:08

Deci, în ce situație gogoși

00:03:10

diagrame este cel mai potrivit,

00:03:12

etichetele de date cu valoare totală a datelor;

00:03:14

sau orice informații suplimentare pot fi

00:03:16

plasate în întreaga diagramă gogoși.

00:03:18

Diagrame donut sunt bune de utilizat

00:03:20

atunci când se compară seturi de date.

00:03:21

Aceste diagrame necesită minim

00:03:23

explicații suplimentare.

00:03:24

Aceste diagrame pot fi verificate vizual

00:03:26

pentru acuratețea distribuției datelor.

00:03:28

Cu toate acestea, la unele ecrane

00:03:30

de preferat să utilizați o coloană grupată

00:03:33

diagrama este mai ușor de dezumanizat.

00:03:35

Pentru a vedea dacă o diagramă gogoși.

00:03:37

Poate fi confuz,

00:03:38

mai ales pentru proporții mai mici.

00:03:40

Spațiul gol,

00:03:41

neștiind de unde să pornească de la

00:03:43

când te uiți la ea inițial

00:03:45

și, de asemenea, proporțiile,

00:03:46

este foarte greu de calculat

00:03:48

valoarea unghiurilor lor,

00:03:50

deci se recomandă utilizarea

00:03:52

coloană de grup peste diagrama gogoașă,

00:03:55

dar ambele sunt populare acum.

00:03:57

Vom trece la alte diagrame

00:03:59

și vom vedea cum să lucreze cu

00:04:02

coloane grupate în tutorialele următoare.

00:00:02

Neste tutorial, discutiremos

00:00:04

os gráficos de classificação por importância.

00:00:06

Antes de nós, temos dois diagramas que são

00:00:08

usado para comparar itens relacionados entre si.

00:00:11

À esquerda, a coluna agrupada

00:00:12

e à direita que o gráfico doughut

00:00:15

ambos podem ser aplicados nesse cenário,

00:00:17

e ambos apresentam vantagens

00:00:19

e desvantagens.

00:00:20

Vamos começar com as colunas agrupadas.

00:00:22

Qual é o propósito dos gráficos de colunas?

00:00:25

Eles resumem dados categóricos por

00:00:27

apresentando barras verticais paralelas com

00:00:30

uma altura e, portanto, área proporcional

00:00:32

duas quantidades específicas de dados

00:00:34

para cada categoria.

00:00:36

Ele basicamente mostra dados organizados

00:00:38

em formas sólidas, como pilares.

00:00:40

Este tipo de gráfico pode ser útil em

00:00:43

comparando duas ou mais distribuições

00:00:45

de dados de nível nominal ou ordinal.

00:00:48

Um gráfico de colunas agrupadas pode ser usado

00:00:50

se você precisar comparar vários

00:00:52

categorias de dados dentro de cada indivíduo

00:00:54

subitens, bem como entre subitens.

00:00:57

Por exemplo

00:00:58

você pode usar um gráfico de colunas agrupadas

00:01:00

para comparar a receita de cada ano.

00:01:02

Dentro de cada região, bem como

00:01:05

entre regiões ou visitantes por

00:01:07

origem ou localização do tráfego.

00:01:08

Fluxo por calendário ou vendas por tipo de produto,

00:01:12

que veremos nos próximos tutoriais,

00:01:14

usará esses exemplos,

00:01:16

principalmente as colunas agrupadas permitem que o

00:01:18

comparação directa de séries múltiplas,

00:01:20

mas eles se tornam visualmente complexos rapidamente.

00:01:23

Eles funcionam melhor em situações

00:01:25

onde os pontos de dados são limitados.

00:01:27

Neste exemplo,

00:01:28

aqui eu uso o turnover por esporte,

00:01:31

assim mostra todo bar.

00:01:33

Quanta receita é gerada por esse esporte

00:01:36

Então, quando eu olho para cima no topo em

00:01:38

a esquerda para o futebol,

00:01:40

Vejo que geraram 45 mil euros.

00:01:44

O badminton gerou cerca de € 30.000,

00:01:47

mas fica difícil quando o

00:01:50

colunas têm aproximadamente a mesma altura.

00:01:52

Agora eu não consigo ver o valor exato,

00:01:55

mas em uma rápida olhada eu tenho uma ideia do que

00:01:58

o desporto gerou mais receitas.

00:02:00

Agora vamos dar uma olhada no gráfico de roscas.

00:02:03

Esses são usados para mostrar o

00:02:05

proporções de categóricas.

00:02:06

Posterior

00:02:06

com o tamanho de cada peça representando

00:02:09

a proporção de cada categoria

00:02:11

a partir do meio-dia no sentido horário,

00:02:13

ele vai a partir do mais gerado

00:02:15

receita para a menor receita.

00:02:18

Então, novamente, aqui temos que nos virar

00:02:20

para cada desporto,

00:02:22

exceto que há dois círculos.

00:02:24

Vamos dizer com

00:02:26

diferentes partes de donuts,

00:02:27

e podemos dizer a primeira temporada e a temporada

00:02:30

dois se eu tivesse que comparar cada esporte,

00:02:32

o que gerou para a temporada

00:02:35

um para a 2ª temporada.

00:02:36

Assim, os gráficos de donuts mostram cada venda

00:02:38

dados como uma fatia de um donut.

00:02:41

Pode conter rosquinha desgastada ou mais

00:02:43

dispostos um dentro do outro.

00:02:45

Como vemos aqui

00:02:46

gráficos de rosca permitem que você deve

00:02:48

relação de partes de vários

00:02:49

conjuntos de dados para o salão.

00:02:51

Cada donut mostra uma série de dados.

00:02:53

Então, quando você deve usar um donut

00:02:55

gráfico como gráficos de pizza?

00:02:57

Gráficos de rosquinhas podem ser usados para exibir

00:02:59

diferentes pontos de dados que totalizam 100%.

00:03:01

Estes também são melhores para usar para comparar

00:03:04

um punhado de categorias em um relance.

00:03:07

E como eles se relacionam com o salão.

00:03:08

Então, em que situação donut

00:03:10

gráficos é mais adequado,

00:03:12

rótulos de dados de valor total de dados,

00:03:14

ou qualquer informação adicional pode ser

00:03:16

colocado em todo o gráfico de um donut.

00:03:18

Gráficos de rosquinhas são bons de usar

00:03:20

ao comparar conjuntos de dados.

00:03:21

Estes gráficos requerem um mínimo

00:03:23

explicações adicionais.

00:03:24

Esses gráficos podem ser verificados visualmente

00:03:26

para precisão da distribuição dos dados.

00:03:28

No entanto, para alguns monitores

00:03:30

preferível usar uma coluna agrupada

00:03:33

gráfico é mais fácil de desumanizar.

00:03:35

Para ver se um gráfico de rosca.

00:03:37

Pode ser confuso,

00:03:38

especialmente para proporções menores.

00:03:40

O espaço vazio,

00:03:41

não saber por onde começar

00:03:43

quando você olha para ele inicialmente

00:03:45

e também as proporções,

00:03:46

é muito difícil de calcular

00:03:48

o valor dos seus ângulos,

00:03:50

por isso recomenda-se usar

00:03:52

coluna de cluster sobre o gráfico de rosca,

00:03:55

mas ambos são populares agora.

00:03:57

Vamos prosseguir para outros gráficos

00:03:59

e veremos como trabalhar com o

00:04:02

colunas agrupadas nos próximos tutoriais.

00:00:02

В этом уроке мы обсудим

00:00:04

рейтинговые диаграммы по значимости.

00:00:06

Перед нами две диаграммы, которые

00:00:08

используется для сравнения элементов, связанных друг с другом.

00:00:11

Слева сгруппированный столбец

00:00:12

и справа эта диаграмма теста

00:00:15

оба могут быть применены в этом сценарии,

00:00:17

и оба они имеют преимущества

00:00:19

и недостатки.

00:00:20

Начнем с кластеризованных столбцов.

00:00:22

Для чего нужны столбцовые графики?

00:00:25

Они обобщают категориальные данные по

00:00:27

представление параллельных вертикальных полос с

00:00:30

a пропорциональная высота и, следовательно, площадь

00:00:32

два конкретных объема данных

00:00:34

для каждой категории.

00:00:36

Он в основном показывает организованные данные.

00:00:38

в сплошных формах, как столбы.

00:00:40

Этот тип графа может быть полезен в

00:00:43

сравнение двух или более дистрибутивов

00:00:45

данных номинального или порядкового уровня.

00:00:48

Можно использовать кластеризованную гистограмму

00:00:50

если необходимо сравнить несколько

00:00:52

категории данных внутри индивидуума

00:00:54

подэлементы, а также между подпунктами.

00:00:57

Например

00:00:58

Можно использовать кластеризованную гистограмму

00:01:00

сравнить выручку за каждый год.

00:01:02

В пределах каждого региона, а также

00:01:05

между регионами или посетителями на

00:01:07

источник или расположение трафика.

00:01:08

Приток по расписанию или продажи по типу продукции,

00:01:12

которые мы увидим в следующих уроках,

00:01:14

будет использовать эти примеры,

00:01:16

В основном кластеризованные столбцы позволяют

00:01:18

прямое сравнение нескольких серий,

00:01:20

но они быстро становятся визуально сложными.

00:01:23

Они лучше всего работают в ситуациях

00:01:25

где точки данных ограничены.

00:01:27

В этом примере

00:01:28

здесь я использую оборот по видам спорта,

00:01:31

так что каждый бар показывает.

00:01:33

Какой доход генерирует этот вид спорта

00:01:36

Поэтому, когда я смотрю вверх на

00:01:38

левые на футбол,

00:01:40

Я вижу, что они заработали 45 000 евро.

00:01:44

Бадминтон принес около 30 000 евро,

00:01:47

но это становится трудно, когда

00:01:50

колонны имеют примерно одинаковую высоту.