含类别变量的EDA

Power BI 中的探索性数据分析

Maarten Van den Broeck

Content Developer at DataCamp

类别变量与频数

一个柱状图：纵轴为参与者数量，横轴为三类年龄组："18-29""30-39""40-49"。样本中"40-49"人数最多。

Power BI 中的探索性数据分析

类别变量与百分比

一个饼图，显示三类年龄组（"18-29""30-39""40-49"）的参与者占比。"40-49"占比最高，为39.4%。

Power BI 中的探索性数据分析

跨多个类别变量的占比

一个100%堆叠柱状图。横轴为三类年龄组："18-29""30-39""40-49"。纵轴为参与者百分比。每个柱按四个社交媒体平台（Instagram、LinkedIn、TikTok、Twitter）的比例分段。

Power BI 中的探索性数据分析

含描述统计的类别变量

年龄组 社交媒体日中位时长
18-29 6
30-39 3
40-49 3
Power BI 中的探索性数据分析

什么是箱线图？

一个身高箱线图。纵轴为身高（厘米）。

Power BI 中的探索性数据分析

什么是箱线图？

一个身高箱线图。纵轴为身高（厘米）。红色标注位于箱线图中间的线（中位数）。

Power BI 中的探索性数据分析

什么是箱线图？

一个身高箱线图。纵轴为身高（厘米）。红色标注围绕箱线图的"箱体"。

Power BI 中的探索性数据分析

什么是箱线图？

一个身高箱线图。纵轴为身高（厘米）。红色标注围绕从箱体上下延伸的垂直"须"。

Power BI 中的探索性数据分析

什么是箱线图？

一个身高箱线图。纵轴为身高（厘米）。红色标注围绕箱线图上的离群点（小圆点）。

Power BI 中的探索性数据分析

用类别变量比较分布

两个箱线图——男性与女性——展示各组身高分布。两者箱体大小相近，但"男性"的箱线图在纵轴上更高。

Power BI 中的探索性数据分析

创建新变量

数据变换：创建新变量以优化分析或可视化

Power BI 中的探索性数据分析

创建新变量

数据变换：创建新变量以优化分析或可视化

年龄 年龄组
18 少年
19 少年
20 青年前期
21 青年前期
30 成人
31 成人
40 中年
41 中年

$$ $$ $$

课程标题 课程类型
Introduction to Power BI Power BI
Unsupervised Learning in R R
DAX in Power BI Power BI
Introduction to Python Python
Power BI 中的探索性数据分析

让我们来练习！

Power BI 中的探索性数据分析

Preparing Video For Download...