最近,朋友圈被黑洞的照片刷屏,一瞬间大家似乎都成了“科学迷”!
多年不吭声朋友发声了,让我确定自己总算没被拉黑;
微商不发广告了,各种向爱因斯坦、霍金、哥白尼的伟大致敬;
就连父母辈的转载起各种“宇宙神秘黑洞出现,人类还能活多少年?”的**文来。
但不管怎样,我们也成为宇宙中第一批看到真实黑洞的人类!
也有好玩的网友,看到黑洞纷纷不淡定了,在网络上展开了首届#黑洞PS大赛#……
有句话怎么说来着,一千个人眼里就有一千个黑洞!!
然而作为一名数据人,在关键时刻还是要保持自己的专业素养,甜甜圈什么的肯定是不合适了,不过看着黑洞我也有种似曾相识的赶脚……
emmmmm没错,看着黑洞,我脑海里浮现出的第一个词就是:热力地图!!
什么是热力地图?
热力地图,又称等值线地图(choropleth map),就像天气预报的降雨分布,高低冷暖气压带。是根据不同区域的位置(经纬度)数据,进行不同程度的颜色填充,从而反映各个区域的不同分布。但是热力地图远不止这么些应用,任何和地理信息相关的数据都能通过热力地图玩出花来。
如何制作热力地图?
写代码?记得几年前我还是个傻小子的时候,导师给了一骡子的数据,让我做一张热力图出来。0编程基础的我对着博客啃了几天,费了九牛二虎之力找了张地图底图,用JS写了两页代码:
手写代码做地图真的是比黑洞还恐怖的事…
好在现在的数据分析已经进化到新高度,通过BI工具,不需要写代码,也不需要懂数据库,只需简单的拖拽操作,就可以完成数据处理+数据可视化。
比如我就只花了2分钟的时间做出了如下的“黑洞”地图。用的是FineBI,一共6个步骤。
第一步:下载安装
在官网下载FineBI,它本质是BI商业智能工具,因为自带强大的可视化库,所以这里当可视化工具用,安装后打开。
第二步:数据准备
在中国,如果有一样物品的价格牵扯着所有人的神经,那么这个东西一定是房子。作为买房刚需群体的一份子,自然对房价是十分关注的。所以我从网上dawn了中国房地产业协会公布的《2019年3月份全国城市房价排名 》数据,来做一张房价热力图。
部分数据如下(Excel格式),源数据见文尾。
将数据导入分析,选择数据准备——点击添加业务包——在业务包下点击添加EXCEL——把上面这张Excel导入FineBI。
当然最骚的操作,还是直连数据库,能够实时更新,避免手动。以下是FineBI支持的30多种数据源:
第三步:新建组件
在导入好的excel数据集右上角点创建组件,就会新建一张仪表板,同时自动在仪表板中创建一个可视化组件,这里我给仪表板起名:1903房价数据。
第四步:地理信息识别
FineBI里地图里怎么定位?一种是让系统根据城市名自动识别经纬度。选取城市字段——转化为地理角色——系统会自动根据城市名字识别创建经纬度。另一种是直接读取经纬度数据进行匹配。
这里我用的是前一种,记得匹配好之后检查一下。
在城市字段上选择地理角色,这里使用的是城市级别的数据,因此地理角色选择城市。
点击确定,系统已经自动将城市名称转换为了对应的经纬度坐标,并生成了经度和纬度两个新的字段。
第五步:生成热力图
拖拉数据字段自动生成地图。把经度放在维度上,维度放在指标上,图表类型选择热力图。
热力图雏形出来了,但现在热力图并没有和数据绑定,没什么意义,接下来我们让热力图依据房价平均数据进行展示。
第六步:美化调整
将平均房价指标拖入热力色设定,让热力色根据平均房价进行展示。然后把配色调整成黑洞的感觉。
调整好配色,最后将背景图调为黑色,毕竟分析的是房价,还是要沉重一些,这样一张热力地图就大功告成,看了一眼表,嗯,1分59秒,果然没有超过两分钟~
通过拖动控制房价范围,可以看到随着房价变高,区域也逐渐缩小到了北京-上海-广州-深圳,也比较符合我们的认知。
令我比较意外的是,三亚陵水和厦门的房价,甚至超过了南京杭州这些新一线城市,难道东北大军已经…后续值得继续分析。
最后是使用FineBI完成房价热力图的技术总结:
读取数据:可以是导入Excel或者连接数据库;
处理数据:省市信息数据识别转化,或者经纬度数据匹配;
制作图表:拖拽数据字段,系统自动进行经纬度或者行政区名的匹配确认,一键生成地图;
美化:根据自己的小趣味或者分析目标,加数据警示、点线面的颜色大小处理,或者酷炫的动态效果。
其实,只要选对了工具,数据分析没有想象中的那么难,不要再用Excel切图构图啦。就像昨天才露出真容的黑洞,照片曝光后,不少人惊呼“黑洞原来没有想象中的那么可怕,反而有点可爱”。
数据分析 BI
原创文章,作者:Maggie-Hunter,如若转载,请注明出处:https://blog.ytso.com/tech/bigdata/172833.html