京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在Tableau中计算累计百分比可以帮助我们更好地理解数据的趋势和变化。在本文中,我将向您展示如何使用Tableau计算累计百分比,并为您提供一些实用的技巧和建议。
首先,让我们了解什么是累计百分比。简而言之,累计百分比就是前N个值的总和除以所有值的总和。例如,如果我们有一个销售数据集合,我们可能会想知道每月的销售额占年度总销售额的百分比是多少。这种情况下,我们就可以使用累计百分比来计算每月份的销售额占全部销售额的百分比。
接下来,我们将一步一步地向您介绍如何在Tableau中计算累计百分比。我们将使用Tableau 2021.1版本进行演示。
第一步是准备您的数据。在此示例中,我们将使用“超级商店销售”数据集合,该数据集合包含了各种产品的销售数据以及相关的日期信息。我们需要将这些数据拖到Tableau的工作区域中,然后按照需要对其进行调整和过滤,以确保我们只处理所需的数据。
第二步是创建计算字段。要计算累计百分比,我们需要创建一个计算字段,该字段将为每个数据点计算其累计值。我们可以使用Window函数来实现这一点。在Tableau中,Window函数可以帮助我们在聚合函数中计算滑动窗口内的数值。
要创建计算字段,请单击“Analysis”选项卡,然后选择“Create Calculated Field”。然后,在计算字段编辑器中输入以下公式:
SUM([Sales]) / WINDOW_SUM(SUM([Sales]))
上述公式将为我们计算每个销售额数据点的累计百分比。请注意,此处假定您正在计算销售额的累计百分比。如果您要计算其他指标的累计百分比,例如数量或利润,则应相应地更改此公式。
第三步是将计算字段拖到工作区域中。现在,我们已经创建了计算字段,我们需要将它添加到工作表中以进行可视化。为此,请将计算字段拖放到工作区域中的行或列区域中,以便将其与其他维度和度量组合在一起。您还可以使用图表类型,例如线图或面积图,来更好地显示数据的趋势和变化。
最后,我们还可以对可视化进行进一步的调整和细节处理,以确保它符合我们的需求和要求。例如,我们可能希望更改轴标签、网格线和颜色方案,以突出显示数据中的重要信息和趋势。
在计算累计百分比时,还有一些有用的技巧和建议,可以帮助我们更好地使用Tableau,并获得更准确和有用的分析结果。以下是一些实用的技巧和建议:
月度级别的时间粒度,而不是日或周粒度。
总之,在Tableau中计算累计百分比可以帮助我们更好地理解数据的趋势和变化,从而做出更准确和有用的分析和决策。通过正确地准备数据、选择适当的计算函数和可视化类型,并了解一些实用的技巧和建议,我们可以更好地使用Tableau,并获得更好的分析结果。
推荐学习书籍
《CDA一级教材》适合CDA一级考生备考,也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校,累计已有10万+在读~

免费加入阅读:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14