online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 遇見大數據可視化:人人都能做數據可視化

摘要: 那麼有沒有什麼好的辦法,可以不用學習這麼多的知識點,而能做一些不太複雜的數據可視化圖表出來呢?答案肯定是有的,那下面就手把手的帶領大家,零代碼來做數據可視化圖表。


之前寫過幾篇大數據的文章《遇見大數據可視化:基礎研究》,《遇見大數據可視化:來做一個數據可視化報表》,《遇見大數據可視化:圖表的視覺系統感知》。得到了身邊不少小伙伴的認可,都覺得數據可視化是一件挺有意思的事情,紛紛投入到數據可視化上來。

但是很快一腔熱血就被澆滅了,很多小伙伴都反映來說做數據可視化的學習成本太高了。從最開始數據的挖掘(學習:Python,JavaScript,R語言等等),再到可視化圖表的設計(學習:Processing,D3.js,PhotoShop,Illustrator等等),還要看各種書籍。其實小伙伴的目標只是想簡單的做一些不是很複雜的數據可視化,但陡峭的學習成本,讓很多小伙伴望而卻步,看到各種複雜的教程,簡直是從入門到放棄。

那麼有沒有什麼好的辦法,可以不用學習這麼多的知識點,而能做一些不太複雜的數據可視化圖表出來呢?答案肯定是有的,那下面就手把手的帶領大家,零代碼來做數據可視化圖表。

【生產力有兩項,一項是人,一項是工具。工具是由人創造的。- 毛主席】

想要零代碼來完成數據可視化圖表來,很簡單,只要選好工具來就可以了。網上有很多介紹各種工具的文章,這裡就不一一的去粗淺的介紹各種工具,而是深入的用案列的方式帶大家了解我覺得還不錯的可視化工具(數據挖掘和可視化圖表) ,目標的就是讓大家可以零代碼的做一些簡單的可視化分析報表出來。

既然是按照案列的方式,那首先需要確定我們做什麼主題。作為一個四川人,每次做自我介紹的時候,都會說到四川的美食,川菜作為中國八大菜系之一,還是深受廣大人民的喜愛的。那麼我們就用數據,來看看川菜和中國其他菜系(魯菜、川菜、粵菜、蘇菜,浙菜、閩菜、湘菜、徽菜)到底有什麼不同,來做一個【中國八大菜系菜譜數據可視化圖表分析】出來。

主題確定了,下一步就是數據的挖掘。一般來說,基礎數據的來源分為這幾類。

自家數據 –自家應用APP收集的數據。不對外輸出,最好的數據來源,純潔數據拿來就可以用。

行業報告 –上市公司的年報、半年報、工商系統、股轉系統。定期對外輸出,有乾擾項。

政府官方數據 –國家統計局,中國環境監測總站,世界銀行等。定期對外輸出,或有接口API,干擾項較少。

全網公開數據 –拉勾、知乎、鏈家、雪球等公開網站的數據。需自己抓取數據,干擾項較多,一般都需要做二次數據清理。

那這次我們要做菜譜的分析,自家數據是沒有的。行業報告和政府官方數據也沒有這方面的數據。所以我們只能去網上自己爬取相關數據了。簡單找了一番,就發現了很多的菜譜網站,比如【下廚房】、【美食天下】、【豆果美食】、【好豆網】等等,這些網站上面都有大量用戶上傳的各種菜譜。這裡我選擇【美食天下】來爬菜譜數據,因為【美食天下】剛好有按照菜系進行分類,這樣我們在做二次數據清理的時候,就可以減少一個步驟了。

遇見大數據可視化:人人都能做數據可視化-數據分析網

上圖就是我們需要爬取的一條內容。有了爬取網站,確定了爬取內容。接下來就開始對數據開始爬取。怎麼爬取呢?代碼大神通常會推選用Python來做數據的爬取。

說好的零代碼呢。這時候就要給大家推薦第一款數據挖掘的工具了- 【造數】https://zaoshu.io對於簡單的數據爬取足夠用的工具,簡單的了解,10分鐘就能上手。

下面我們就開始進行數據的爬取。

第一步:輸入需要爬取的網站地址,然後點擊【開始爬取】。

遇見大數據可視化:人人都能做數據可視化-數據分析網

第二步:設置爬取規則。點擊【開發爬取】後,會進入這個界面,在這個頁面進行爬取規則的製定(就是選擇出我們需要獲取的內容),只需點擊我們想要的內容即可,下圖綠色區域就是我們需要的內容,然後點擊【完成創建】。

遇見大數據可視化:人人都能做數據可視化-數據分析網

第三步:執行下載數據。這步就可以下載數據了,只需三步造數就能得到想要的數據,而不需要各種配置。

遇見大數據可視化:人人都能做數據可視化-數據分析網

下圖就是下載下來的原始數據,大致是這樣的,全部匯總在一個Excel表中。在這裡有菜譜名稱,網站地址,和所需原料。當然不是所有內容都是我們需要用的,這時候就需要對原始數據進行清理,刪除,匯總等處理。

因為數據量不大,對於原始數據的處理,我們直接選用Excel來做了。

遇見大數據可視化:人人都能做數據可視化-數據分析網

單個菜譜的原料是全部匯總在一個單元格中的,所以首先我們需要把原料分解到單個單元中去。原料是按照【、】來間隔的,那我們直接用【文本分列】直接處理就可以了。通過【文本分列】我們把原料分解到單個單元中,如下圖所示。

遇見大數據可視化:人人都能做數據可視化-數據分析網

文本分列後,把它聚合到一起,然後用【數據透視】即可統計出來每個原料的個數出來。再通過簡單的降序排序,我們就能得到最終我們需要的數據了。

遇見大數據可視化:人人都能做數據可視化-數據分析網

小結

在這一步我們完成了【中國八大菜系菜譜數據可視化圖表分析】的一半的流程,及數據挖掘和清理匯總。在這裡我們用到了兩個工具,一個是【造數】用做數據的爬取,一個是【Excel表格】用做數據的清理匯總。類似【造數】這類的爬蟲軟件其實挺多的,比如國內的Gooseeker(集收客),八爪魚。國外的Kimono,import.io。但是我們的目標是能快速的上手做一些簡單數據挖掘,所以這裡給大家推薦的是造數,它規則提取足夠簡單,能通過可視化的簡潔的方式來設置提取規則,同時爬取路線很清晰,很容易就能理解它是怎麼運行的,從而快速上手。而【Excel表格】也是我們辦公常用的軟件,對於數級不大數據源,我們完全可以用Excel手動的來做數據清理匯總。

可視化圖表

數據處理好後,我們就可以開始進入可視化圖表製作這一步了。關於圖表的製作,其實用Excel就能完成的。不過Excel圖表的默認樣式,和圖表的對應數據的關係都做的十分不友好的,你很難能對應出數據和圖表橫縱坐標的關係。畢竟Excel主要是做表格的,而非做圖表的工具。這裡就是給大家推薦第二款圖表製作工具- 【BDP】https://me.bdp.cn/home.htmlBDP把數據拆分出來,把圖表的維度和數值列出來,通過拖拽的方式進行數據分析,完爆Excel。

BDP的具體使用過程就不在這裡給大家貼出來了,感興趣的去試試,很快就能上手開始做圖表的了。下面我們就來看下,用BDP做出的圖表,來看看中國八大菜系(魯菜、川菜、粵菜、蘇菜,浙菜、閩菜、湘菜、徽菜)有什麼不同。

我們在【美食天下】的網站中,一共爬取了1062篇菜譜,其中川菜就有350篇,就佔了總量的三分之一的量,全國人民還是都比較喜歡吃川菜的,真可為八大菜系之首的。而緊跟其後的就是粵菜,也有212篇之多的。

遇見大數據可視化:人人都能做數據可視化-數據分析網

我們把川菜和粵菜的Top15的原料拿出來繼續來看。

川菜前15項分佈是:鹽、料酒、生抽、花椒、姜、蔥、雞精、白糖、蒜、乾辣椒、八角、澱粉、郫縣豆瓣醬和醬油。

粵菜的是:鹽、白糖、醬油、生抽、姜、蔥、雞蛋、耗油、胡椒粉、醬油、老抽、香油、花生油、水和澱粉。

除去相同的東西,川菜出現最多就是各種重口味的花椒、辣椒、八角、豆瓣醬之類的。而粵菜是各種油油水水的東西。作為一個四川人,還是不能理解為什麼需要放耗油來做菜,耗油不只是用在吃火鍋的時候做蘸碟嗎?還有居然沒有豆瓣醬,豆瓣醬才是做菜的王道呀,炒菜放點豆瓣醬味道一下就來了。

遇見大數據可視化:人人都能做數據可視化-數據分析網

再看下,把1000多個菜譜所有的原料進行統計下。鹽是所有原料中使用最多的,60%以上的菜品都用到了鹽。不過讓我沒想到的是排第二的是白糖(PS:具大廚了解,加白糖多是為了上色,而非讓味道變甜),而豆瓣醬在Top15中已經沒見了,果然豆瓣醬只有在四川才流行的。

遇見大數據可視化:人人都能做數據可視化-數據分析網

我們再把調味品提出去,只看下主材的情況。在主材中雞蛋出現了121次,也就是說10%菜品用到了雞蛋,上榜率相當高的。緊接著就是豬肉,這個也是意料之中的。如果把排骨等也歸為豬肉的話,豬肉就是最多的了。但沒想到的是有這麼多菜品用到了香菜,而土豆這種我覺得應該用的很多的主材,卻這麼少。

遇見大數據可視化:人人都能做數據可視化-數據分析網

OK,這邊我們就只做簡單的分析即可,如果有同學有興趣,可以在分析下去,我這邊就不繼續展開去說了。

總結

在上述【中國八大菜系菜譜數據可視化圖表分析】的案例中。我們通過【造數】、【Excel表格】和【BDP】這些工具的使用, 就能做到零代碼的完成包括數據挖掘和圖表製作的過程。所以想做數據的可視化展示並不難,只要我們開始動手去做,人人都可數據可視化圖表來,這就是工具的價值。

所以我們設計中心也在思考,有沒有可能在圖表之上,提供更好的數據可視化工具,而不單只是做一個個單一的圖表。集合圖表、地圖、大數據的整體可視化工具,我們在這個方向前進,推出一款更好打大數據可視化工具。

轉貼自: 騰訊雲


留下你的回應

以訪客張貼回應

0

在此對話中的人們

YOU MAY BE INTERESTED