以類別變數進行 EDA

Power BI 的探索式資料分析

Maarten Van den Broeck

Content Developer at DataCamp

類別變數與次數

長條圖:x 軸為 3 個年齡層「18-29」、「30-39」、「40-49」,y 軸為參與者人數。樣本中「40-49」人數最多。

Power BI 的探索式資料分析

類別變數與百分比

圓餅圖:顯示三個年齡層「18-29」、「30-39」、「40-49」的參與者百分比;其中「40-49」最高,為 39.4%。

Power BI 的探索式資料分析

多個類別變數間的比例

100% 堆疊長條圖。x 軸為 3 個年齡層:「18-29」、「30-39」、「40-49」,y 軸為參與者百分比。每個長條再依 4 個社群平台(Instagram、LinkedIn、TikTok、Twitter)在該組內的比例分段。

Power BI 的探索式資料分析

類別變數與描述統計

年齡層 每日使用社群媒體的中位數時數
18-29 6
30-39 3
40-49 3
Power BI 的探索式資料分析

什麼是盒狀圖?

身高的盒狀圖。y 軸為身高(公分)。

Power BI 的探索式資料分析

什麼是盒狀圖?

身高的盒狀圖。y 軸為身高(公分)。盒中線(中位數)以紅框標示。

Power BI 的探索式資料分析

什麼是盒狀圖?

身高的盒狀圖。y 軸為身高(公分)。盒狀圖的「盒」以紅框標示。

Power BI 的探索式資料分析

什麼是盒狀圖?

身高的盒狀圖。y 軸為身高(公分)。盒子上下延伸的垂直鬚(鬚端)以紅框標示。

Power BI 的探索式資料分析

什麼是盒狀圖?

身高的盒狀圖。y 軸為身高(公分)。離群值(圖上的點)以紅框標示。

Power BI 的探索式資料分析

用類別變數比較分佈

兩個盒狀圖:分別為 male 與 female,顯示各組的身高分佈。兩者盒子大小相當,但「male」在 y 軸位置較高。

Power BI 的探索式資料分析

建立新變數

資料轉換:建立新變數以精緻化分析或視覺化

Power BI 的探索式資料分析

建立新變數

資料轉換:建立新變數以精緻化分析或視覺化

年齡 年齡層
18 Teen
19 Teen
20 Early Adult
21 Early Adult
30 Adult
31 Adult
40 Middle Age
41 Middle Age

$$ $$ $$

課程標題 課程類型
Introduction to Power BI Power BI
Unsupervised Learning in R R
DAX in Power BI Power BI
Introduction to Python Python
Power BI 的探索式資料分析

一起來練習吧!

Power BI 的探索式資料分析

Preparing Video For Download...