喜乐君·数据分析夏令营 第 4 期：分布分析与相关性分析

前三期走完了从"为什么学"到"问题怎么写"再到"问题怎么变图形"的主线，这一期往前走一步：分布与相关性——三图一表靠直觉就能看懂，分布需要统计思维，相关性需要关系思维，这是数据分析从"看数"走向"看门道"的关键一跳。

• 第1期：AI 时代，为什么数据分析依然值得学 2026/7/8
• 第2期：问题的结构与维度度量 2026/7/13
• 第3期：可视化原理与“从问题到图形” 2026/7/14
• 第4期：可视化的转折点：分布分析与相关性分析 2026/7/22
• 第5期：交互与仪表板设计 · 2026/8/6
• 第6期：计算的体系·从透视表到 SQL 2026/8/22
• 第7期：数据模型·从单表到多表 2026/9/5

📌 要点：
· 分析层次递进：三图一表（看多少）→ 分布（看形状）→ 相关性（看关系）→ 地理空间；
· 分布靠「计算变深」升级（数据桶 / FIXED LOD / 参考线），相关性靠「要素堆积」升级（普遍 3 个字段）；
· 相关 ≠ 因果；地图本质是经度、纬度两个连续字段。

一、核心框架：分析层次递进

分布和相关性达到"高级"的路径不同：分布靠"计算变深"升级（数据桶、LOD、表计算），相关性靠"要素堆积"升级（普遍需要 3 个字段）。

• 第一层 · 比较 / 趋势 / 构成（三图一表）：条形图 · 折线图 · 饼图 · 交叉表；1 维度 + 1 度量，简单聚合，直觉即可——看"多少"。
• 第二层 · 分布（转折点：计算变深）：直方图（数据桶 + FIXED LOD）· 箱线图（盒须图）（参考线 = 表计算简化）· 帕累托（实战用"集 + 合计百分比"替代）；字段没变多，但计算变深——看"形状"。
• 第三层 · 相关性（要素堆积）：散点图（+ 参考线 = 波士顿矩阵）· 双轴图（度量名称 / 度量值）；普遍需要 3 个字段——看"关系"。
• 特殊层 · 地理空间：符号地图（点分布）· 填充地图（区域差异）；经纬度 = 2 连续字段——看"分布"。

二、课程要点（时间轴）

以下是本次直播的真实时间轴，便于回放时快速定位。

• 03:25 · 回顾前三期：主线贯穿 — 第 1 期为什么学、第 2 期问题的结构（维度 / 度量 / 连续离散）、第 3 期问题到图形（三图一表）。前三期走完"看多少"的主线，本期迈入"看形状"和"关系"。
• 04:22 · 分析的转折点：分布与相关性 — 三图一表只有 60 分，分布与相关才是"由简单到高级的关口"。分布靠计算变深升级，相关性靠要素堆积升级——两条不同的复杂度路径。
• 05:42 · 心理测试数据：字段类型 — value / percent 初为字符串需改成小数；维度 / 度量在 Tableau 中以"位置"（分隔线上 / 下）区分。中文截断 bug 留待下期修复。
• 07:00 · 基本直方图与数据桶（bin） — 连续度量直接拖出即分布；用数据桶控制分段粒度（0.1 / 0.5 / 1）。桶必须等距——点名批评部分国产 BI 用 min/max 导致不等距。
• 11:38 · 高级直方图与 FIXED LOD — 订单频次（COUNTD([Order ID])）→ {FIXED [客户] : COUNTD([Order ID])} 预先聚合 → 改维度拖到横轴。视角倒置：前题答案变后题分类（聚合的再聚合）。800 值聚合后剩 15 档。
• 18:18 · 箱线图：参考线即表计算的简化 — 五数概括（中位数 / Q1 / Q3 / 须线 / 离群点）看集中度与离散度。所有参考线都是表计算的简化形式——平均线 = WINDOW_AVG 的封装。按年拆分盒子，看中位数偏移。
• 24:51 · 帕累托：实战改「集 + 合计百分比」 — 帕累托验证二八效应但有严格前提，且本身是多次表计算、性能差，实战更推荐创建集（Top 20% / 35%）+ 合计百分比直接看头部占比（如 11% / 17%）。
• 31:05 · 相关性起于要素堆积：散点图与波士顿矩阵 — 相关性普遍 ≥ 3 字段（2 连续度量 + 1 离散分类）。散点图看分布模式；加平均线划四象限即波士顿矩阵——在乎"哪类集中多"，而非机械判断正负相关。
• 35:35 · 双轴图与度量值 — 2 连续度量 × 连续日期，共享日期轴看趋势同步。多轴叠加引出度量值（Measure Values）——多个度量共用零值相同的公共坐标轴，体现"多轴相关性"。
• 54:30 · 地理空间：经纬度 = 2 连续字段 — 地图本质是经度（X）+ 纬度（Y）两个连续字段，结构等同散点图。符号地图看"哪里多"，填充地图看"区域差异"。
• 01:00:19 · 可视化框架：行/列=打底，标记=化妆，工具提示=最外层 — 图形由字段类型决定（维度/度量、连续/离散）。由此引出"卸妆"读图法：看 Public 作品逐层减字段，推荐 Business Dashboard 商务风格。

三、分布分析：从简单分析到高级分析的转折点

三图一表用的都是简单聚合（求和、计数、平均）。分布分析开始引入更复杂的计算——字段数量没有增加，但计算逻辑变深了。这就是"转折点"的含义。

1、直方图：等距分箱 + 视角倒置

• 基本直方图：连续度量按区间分箱，看每个区间的频数。业务数据最常呈现泊松分布（右偏）：多数小值、少数大值——"长尾"是常态。
• 数据桶（bin）：右键字段 → 创建数据桶，控制分段粒度。桶必须等距，否则就不是严格意义上的"分布"。
• 视角倒置（高级直方图）：以"每个客户的订单频次"为例，{FIXED [客户] : COUNTD([Order ID])} 先把聚合结果算成一个数组，再改成维度拖到横轴。前一个问题的答案变成后一个问题的分类——这是 Excel 做不出来的"透视再透视"。

2、箱线图：参考线 = 表计算的简化

• 五数概括：中位数、Q1（P25）、Q3（P75）、须线（1.5 倍四分位距）、离群点（须线之外的极端值）。
• 看什么：集中度与离散度。按年拆分盒子，可观察中位数随时间的上下偏移（如 2021 整体偏上、2023 偏下）。
• 本质：箱线图里的参考线、参考区间都是"表计算的图形化快捷方式"。需要自定义分位（P20 / P95）时，用 WINDOW_PERCENTILE 自行计算。

3、帕累托：实战改「集 + 合计百分比」

帕累托图用"累计占比"验证二八效应，但有严格前提：数据需符合头部集中、且本身是多次表计算（性能差、解释价值有限），课上不演示。实战更推荐创建集（Top 20% / 35%）+ 合计百分比直接看头部占比——如圈出 Top 20% 客户，其销售额合计贡献约 11%；Top 35% 约 17%。比画帕累托图更简单、易懂，也更贴近业务决策。

4、分布分析的共同点

字段没变多，但计算变深了——这是分布分析与三图一表最本质的区别：

• 数据桶：把连续度量"按值域分组"，是分组的算法化。
• FIXED LOD：对聚合结果的"层级控制"，把聚合再当作维度用。
• 参考线 / 参考区间：表计算的"图形化快捷方式"（箱线图即典型）。

这些概念在后续"计算"课程会深入展开，本期先建立认知。

四、相关性分析：要素堆积的复杂性

分布靠"计算变深"升级，相关性靠"要素堆积"升级。三图一表是 2 个字段，相关性普遍需要 3 个字段：2 个连续度量 + 1 个维度或日期。计算逻辑仍是简单聚合，但字段组合变多了。

1、散点图：两个连续度量 × 离散分类

X 轴、Y 轴各一个连续度量，每个点代表一个离散分类值（如子类别）。点的分布模式揭示正相关、负相关或无关。在第 3 课的框架里，这就是 2 绿（连续）+ 1 蓝（离散）。

进阶：散点图 + 参考线 = 波士顿矩阵。X / Y 各加一条平均线，把空间切成四象限；用参考线把"看关系"升级为"做决策"——我们在乎"哪一类集中最多"，而不是机械地判断正负相关。

2、双轴图：两个连续度量 × 连续日期

两个度量共享连续日期轴，各占一条 Y 轴。看两条线的趋势是否同步——同涨同跌还是一升一降。在第 3 课的框架里，这是 3 全绿（连续）。散点是静态关系，双轴是动态关系。

引入概念：度量名称与度量值。「度量值」= 多个度量的容器；「度量名称」= 标识每个度量的维度。双轴图是「度量值」的特殊用法——把多个度量叠到零值相同的公共坐标轴上，便体现"多轴相关性"。

相关 ≠ 因果：散点图和双轴图看到的是"两个度量一起变化"（相关），不是"一个导致另一个"（因果）。冰淇淋销量和溺水人数正相关——但不是因为吃冰淇淋导致溺水，而是因为夏天两者都升高。图表能发现相关，因果判断需要业务理解——这正是第 1 课"左右开弓"中左弓（业务）的价值。

3、散点图 vs 双轴图：相关性的两种维度

• 散点图：两个度量在离散分类上的相关；静态关系，每个点是一个类别；2 连续度量 + 1 离散维度（2 绿 + 1 蓝）；+ 参考线 = 波士顿矩阵；看"X 大时 Y 是否也大"。
• 双轴图：两个度量在连续日期上的相关；动态关系，随时间变化；2 连续度量 + 1 连续日期（3 全绿）；引出度量名称 / 度量值；看"两条线是否同频共振"。

📖 书中延伸（《业务可视化分析》第2版）：第 11 章在散点图之外，还介绍了用「皮尔逊相关系数」以 [−1,1] 的单一数值量化相关性（11.2 节），以及用「散点图矩阵」把多个度量两两组合、分区对比，发现更多度量之间的关联（11.3 节）——相关性分析不止于看图，还能用数值与矩阵。第 10 章则给出直方图的完整进阶路径：简单直方图 → 数据桶（10.2.2）→ 预先聚合与数据桶（10.2.3）→ RFM 客户分布分析（10.2.4）。

五、地理空间：特殊的"分布"

地图的本质：经度（X）和纬度（Y）都是连续字段——两个连续字段构成空间，数据点在空间中分布。结构与散点图完全一致，只是轴的含义被赋予了地理坐标。

1、符号地图（点图）

每个位置一个点，大小 / 颜色编码度量——看"哪里有、哪里多"。东部密集、西部稀疏（如机场 / 旅客分布），枢纽城市一目了然。

2、填充地图（choropleth）

每个区域按聚合值填色——看"区域差异"。颜色越深 = 聚合值越大。

下期补一份带经纬度的数据，现场演示符号地图与填充地图；本页先用 SVG 现绘示意。

六、可视化框架：如何随手造出千变万化的图

图形的分类由问题的字段类型决定——维度 / 度量、连续 / 离散。连续字段对应轴，离散字段对应分类。这是所有可视化的第一层基础；掌握了它，很多图可以一边想一边按需"造"出来。

1、打底（框架）：行 / 列

连续成轴、离散成分类——所有可视化的第一层基础。

2、化妆（标记）：颜色 · 大小 · 形状

可叠加多层，像女士化妆一层层往上抹。

3、最外层（工具提示）：需要时调出

展示时看不见，需要时可调出更多字段——最不重要却最灵活的一层。

"卸妆"读图法：在 Tableau Public 上看优秀作品时，从行 / 列开始逐层减字段——像一层层卸妆——还原它最基础的图形结构，再自己一层层加回去。推荐优先参考 Business Dashboard 等商务风格作品，少看大黑背景的花哨图。Tableau 没有写死的图形：规则给你，组合由你，因此表达想法更灵活，代价是复杂图形更难做。

结语

所有图表都回到第 2 课的核心：范围 + 维度 + 度量。字段越来越多、组合越来越复杂，但底层的"分组 + 聚合"逻辑没变。

1. 三图一表 — 看"多少"：1 维度 + 1 度量 · 简单聚合 · 直觉即可（条形图 · 折线图 · 饼图 · 交叉表）。
2. 分布 — 看"形状"（转折点：计算变深）：1 连续度量 + 分箱/统计量 · 数据桶 + FIXED LOD + 参考线（表计算简化）· 统计思维（直方图 · 箱线图 · 帕累托用"集 + 合计百分比"替代）。
3. 相关性 — 看"关系"（要素堆积）：2 连续度量 + 1 维度/日期 · 普遍 3 个字段 · 波士顿矩阵 · 度量名称/度量值 · 关系思维（相关 ≠ 因果）（散点图 · 双轴图）。
4. 地理空间 — 看"分布"（特殊的分布）：2 连续字段（经纬度）+ 度量 · 空间思维（符号地图 · 填充地图）。

后续课程预告

• 第 5 期 · 筛选器：前 10 / 后 10、按分布筛选、交互筛选。
• 第 6 期 · 仪表板：多个问题拼成 dashboard，点选联动。
• 第 7 期 · 计算：标准差、变异系数、表计算、LOD 表达式（帕累托完整做法在此展开）。

*配套资源：Tableau（Free / Desktop / Public）、Tableau Prep、明道云、WorkBuddy。延伸阅读：《业务可视化分析》（第2版）第10章 分布分析（10.2 直方图 / 10.3 箱线图）、第11章 相关性分析（11.1 散点图与波士顿矩阵 / 11.2 皮尔逊相关系数 / 11.3 散点图矩阵）；《数据可视化分析》（第2版）相关章节。*

作者：xilejun · v1.2 · 2026-07-23