大家好，好久不见我又来刷存在感了。
有一阵没出周历图系列了，哎，最近实在太忙(lǎn)，深陷一起离奇的法庭纠纷（画外音：滚！不就玩个逆转裁判吗）
好了，话不多说，来看我们今天的主角——相关矩阵图：
—嗯？不就是矩形块吗？就这都敢来招摇撞骗？
—且等等，这个图里还有玄机啊……
相关系数矩阵图常用于多变量的数据分析，当变量较多时，我们很难从一堆庞大的数字中快速获取信息。正因为如此，相关阵的可视化应运而生。图中的横纵坐标表示不同的变量，而中间的值表示两个变量间的相关度，位于对角线的值等于1。从矩阵图中，可以快速地看出不同变量的相关性，便于我们快速地了解数据集中的关联。
这个图在FR里有个付费的插件，嗯，就是付费的。叫马赛克图：https://help.finereport.com/doc-view-3173.html
我们使用BI学习班中最经典的案例之一：超市购物篮分析的数据集。还不熟悉这个案例的朋友可以去了解下，听听@bear9939 老师的精彩讲解，如何计算置信度、提升度、支持度。
不过，我们今天计算的是相关度，步骤有些不一样：
第一步，我们打开数据集，这是个超市购物篮数据集，每个订单id表示一笔订单，我们的目标是要找出订单内商品出现的关联性：
第二步，跟学习班的方法一样，我们把这个数据集复制一次，跟自身进行左右并集合并，连接字段为“订单ID”
第三步：将商品维度拖入分组，把“订单ID”求去重计数（嗯，是不是跟BI学习班的一模一样）：
第四步：相关矩阵中一般要求数据显示百分比，我们需要将数据归一化（normalization）处理，在这我们采用最常用的归一化算法，将所有数据缩放至[0,1]，计算公式为：
我们分别新建一列求关于商品维度的最小值、最大值
然后新增一列取名为归一化值，输入公式 (订单ID-最小)/(最大-最小)
第五步：后面就很简单了，新建仪表板，安装制作矩形块图的方式，把商品的两个商品维度分别拖入横纵轴，并都按商品名称降序排列，然后把归一化值拖入颜色和标签，这样就大功告成啦：
最后，本案例没有涉及负相关的情况，矩阵颜色因而略显单调，实际中我们碰到的数据集通常都比较复杂，构建的矩阵图往往是这样的：
照例附上数据集文件
超市购物篮.xlsx
(10.83 KB, 下载次数: 77)
，欢迎吐槽拍砖交流探讨。
然后，一人血书求FineBI出纵向图例、上方坐标轴……
编辑于 2020-5-13 14:05
|
