LuckyTemplates alakzattérkép-vizualizáció a térbeli elemzéshez
Ez a blog tartalmazza a Shape Map vizualizációt a LuckyTemplates térbeli elemzéséhez. Megmutatom, hogyan használhatja hatékonyan ezt a vizualizációt annak funkcióival és elemeivel.
Ma megmutatom, hogyan kapcsolhatod össze a LuckyTemplates-t az R-vel, és bemutatom, milyen dolgokat tehet az R script vizualizációjával a . Ahhoz, hogy ez működjön, telepítenie kell az R-t a számítógépére, mivel teljesen független a LuckyTemplates-től.
A kezdéshez kattintson az R script vizualizációjára a vizualizációs ablaktáblán.
Ma azt fogjuk használni, amit az emberek korrelációs mátrix diagramnak hívnak . Pokemon adatkészletet is fogunk használni. Azért választottam ezt, mert sok numerikus információt tartalmaz, mint például a védekezés és a támadás, és elég jól működik, ha összefüggést mutat.
Miután a vizualizációt a vászonra húztuk, el kell kezdenünk a mezők hozzáadását.
Milyen típusú mezőket jeleníthetünk meg? Szeretnénk látni az Attack -et , a Defense-t , a HP-t , a Speed -et és a Name of the Pokemon-t.
Most valószínűleg észre fogja venni, hogy közvetlenül a vizualizációs ablaktábla alatt található az értékek ablaktáblája, ahol mindent hozzáadott ugyanahhoz a mezőhöz. Mind a szöveges, mind a numerikus információk hozzáadásra kerülnek.
Következésképpen itt az R szkriptszerkesztőben azt is láthatjuk, hogy van néhány kód, amelyet már elhelyeztek. Ezt adatkészletnek nevezik, amely egy adatkeret, amely tartalmazza a támadást, a védelmet, a HP-t, a sebességet és a nevet. Ezt nem kell írnunk; A LuckyTemplates ezt automatikusan megteszi, amint feltöltjük a dolgokat a vizualizációs vásznunkon.
Az első hiba, amit elkövettem (amit azt is el tudom képzelni, hogy sokan fognak elkövetni), hogy töröltem az itteni megjegyzéseket, hogy normál kódként lássuk. Ez nem fog menni, mert tényleg ki kell rakni.
Ez a sor itt azt mondja, hogy egyedinek kell futnia. Ezt nem lehet megkerülni.
Itt kezdjük el írni a forgatókönyvünket. A korrelációs terv, amit ma csinálunk, a pszichológiai csomagból származik . Ezt nagyon könnyű megtenni. Csak párokat kell felírni . paneleket , majd átadja az adatkészletet az argumentumnak.
És itt van. Megvan a vizualizációnk.
Azok számára, akiknek nincs telepítve a psych csomag , természetesen telepíthetik így is, de ez a folyamat minden egyes alkalommal telepíti, még akkor is, ha már van.
Ha egy lépéssel túl akarunk lépni, létrehozhatunk egyamely ellenőrzi, hogy a csomag elérhető-e, és ha nem, akkor telepíti. Ellenkező esetben nem csinál semmit.
Még egy dolog, amit meg kell tennünk annak érdekében, hogy ez ne sikerüljön, az, hogy feltöltjük a repository argumentumot a telepített csomagban.
Ebben a példában csak a CRAN weboldalt másolom és illesztem be. Ez technikailag működik. De attól függően, hogy hol tartózkodik a világban, érdemes olyan tükröt választani, amely közelebb áll Önhöz.
Tartalomjegyzék
A vizualizáció más szintre emelése
Ezt a kódot szeretnénk megvalósítani. Jól fut, és megjeleníti a vizualizációt. Van néhány dolog, ami egy lépéssel tovább viszi ezt a vizualizációt. Az első tennivaló. A szeletelők tökéletesen működnek az ilyen típusú megjelenítéssel.
Tehát tegyünk egy szeletelőt a jelentésbe, majd tegyük a Generációt a mezők ablaktáblájába.
Nézd meg, milyen szépen változik a vizualizáció attól függően, hogy mit választunk a szeletelőn.
Interakció más vizualizációkkal
Ha kíváncsi arra, hogyan fog ez kinézni más vizualizációkkal való interakció során, hozzunk létre egy fánkdiagramot, tegyük fel a Pokemonok számát, és határozzuk meg, hogy legendás-e vagy sem.
Mint látható, az első vizualizáció képes kölcsönhatásba lépni a második vizualizációval.
Következtetés
Ezek az R-szkriptek kihívást jelenthetnek, és nehezen használhatók, ha igazán nagy adatkészlettel rendelkezik, mivel a LuckyTemplatesnek el kell küldenie az összes adatot R-nek, majd várnia kell a válaszra.
De bizonyos esetekben, mint például az alábbi példánkban, egy ilyen vizualizáció elkészítése a semmiből, amikor a LuckyTemplates R-hez csatlakoztatja, sok időt vesz igénybe.
Tehát ha jelenleg R-t vagy Pythont használ, és inkább egy vizualizációt szeretne importálni, ahelyett, hogy a semmiből építene, ez egy igazán ügyes megoldás.
Ez a blog tartalmazza a Shape Map vizualizációt a LuckyTemplates térbeli elemzéséhez. Megmutatom, hogyan használhatja hatékonyan ezt a vizualizációt annak funkcióival és elemeivel.
Ebben az oktatóanyagban egy egyedülálló ötletet mutatok be a pénzügyi jelentésekkel kapcsolatban, amely az eredmények hozzárendelését jelenti a LuckyTemplates-en belüli táblázatsablonok előre meghatározásához.
Hozzon létre DAX-mértékeket a LuckyTemplates alkalmazásban meglévő mértékek vagy képletek használatával. Ezt nevezem mértékelágazási technikának.
Ebben a blogban fedezze fel a LuckyTemplates adatkészletet, a leghatékonyabb függvényhívást, amely M- és DAX-függvények ezreit juttatja a keze ügyébe.
A mai oktatóanyagban megosztok néhány adatmodellezési technikát a DAX-mérések jobb rendszerezéséhez a hatékonyabb munkafolyamat érdekében.
A LuckyTemplates egy nagyszerű eszköz a pénzügyi jelentésekhez. Itt található egy oktatóanyag, amely bemutatja, hogyan hozhat létre személyre szabott táblázatokat a LuckyTemplates pénzügyi irányítópultjához.
Ez az oktatóanyag megvitatja a Power Query nyelvi folyamatot, és azt, hogyan segíthet zökkenőmentes és hatékony adatjelentések létrehozásában.
Az egyik kedvenc technikámról fogok beszélni a LuckyTemplates egyéni ikonok körül, amely dinamikusan használja az egyéni ikonokat a LuckyTemplates vizualizációkban.
Ebben a blogban megmutatom, hogyan hozhat létre LuckyTemplates táblázatokat olyan képlet segítségével, amely egyesíti az UNION és a ROW függvényt.
Fedezze fel, hogy a helyszíni adatátjáró hogyan teszi lehetővé a Power Automate számára az asztali alkalmazások elérését, amikor a felhasználó távol van a számítógéptől.