
作者 | CDA数据分析师
来源 | CDA数据科学研究院
筛选是从结果集中删除某些值或值范围的过程。
视图中创建
在视图中选中要筛选的项,在浮动工具栏或右键选择“只保留”或“排除”即可。
筛选栏创建
将要筛选的字段拖放至筛选栏,在弹出的筛选器对话框中选择筛选方式。
显示筛选器
在数据窗口选中要筛选的字段,右键选择“显示筛选器”,该字段将作为筛选器并显示在工作表中。
按照筛选字段的数据类型,可以分为维度筛选、度量筛选、日期筛选。
维度筛选
维度筛选是应用于维度字段的筛选器。 - 将“地区”、“销售额”和“市场”分别拖放至行列功能区和筛选栏,在筛选器中保留“亚太地区”。
- 将“利润”拖放至颜色和标签。
度量筛选
度量筛选是应用于度量字段的筛选器。 - 将“地区”、“销售额”和“利润”分别拖放至行列功能区和筛选器,在筛选器中设置利润至多为0。
- 将“利润”拖放至标签。
日期筛选
日期筛选是应用于日期字段的筛选器。 - 将“销售额”和“订购日期”拖放至行列功能区,“订购日期”拖放至筛选器选择日期范围。
按照筛选方法,可以分为上下文筛选、条件筛选、顶部筛选和通配符筛选。
上下文筛选
上下文筛选:用于处理通过上下文筛选的数据。 Tableau中的正常筛选器彼此独立,每个筛选器从源数据读取所有行,并创建自已的结果。但是在某些情况下,我们希望第二个筛选器只处理第一个筛选器返回的记录,这种情况下,第二个筛选器称为依赖筛选器,因为它们只处理通过上下文筛选器的数据。 - 将“地区”、“销售额”和“市场”分别拖放至行列功能区和筛选栏,在筛选器中保留“亚太地区”。
- 将“利润”拖放至筛选栏,在筛选器中设置利润至多为0。
条件筛选
条件筛选:对已存在的筛选器应用一些条件。 Tableau中使用条件筛选器对已存在的筛选器应用一些条件筛选,这些条件可以通过字段设置,也可以编辑公式设置。 - 将“地区”和“销售额”分别拖放至行列功能区,“地区”拖放至筛选栏,常规中勾选全部成员,条件中按公式筛选利润小于0且销售额大于100000的地区。
- 将“利润”拖放至标签。
顶部筛选
顶部筛选:用于限制筛选器的结果集。 Tableau中的顶部筛选器对已存在的筛选器限制筛选的结果集,这些条件可以通过字段设置,也可以编辑公式设置。 - 将“国家/地区”和“销售额”分别拖放至行列功能区,“国家/地区”拖放至筛选栏,在筛选器中勾选全部成员,在顶部按字段筛选销售额前10的国家。
- 按销售额降序显示。
通配符筛选
通配符筛选:用于字符串型字段的筛选。 Tableau中的通配符筛选器对已存在的筛选器进行字符匹配筛选,主要包括:包含、开头为、结尾为、精通匹配。 - 将“客户名称”和“消费金额”分别拖放至行列功能区,“客户名称”拖放至筛选栏,在筛选器中勾选全部成员,在通配符中筛选开头为“Aaron”的客户名称。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12