Anzeige der Verteilung von Kennzahlwerten in einer Dimension mit einem Verteilungsdiagramm

Dieses Beispiel zeigt, wie ein Verteilungsdiagramm erstellt wird, um die Verteilung von Kennzahlenwerten in einer Dimension anzuzeigen. Als Beispiel werden die Wetterdaten aus Qlik DataMarket verwendet.

Distribution plot.

Datensatz

In diesem Beispiel werden aus der Weather for more than 2500 cities worldwide -Datenquelle in Qlik DataMarket geladene Wetterdaten verwendet. Der Datensatz basiert auf den folgenden Auswahlen in Qlik DataMarket:

  • Location: Sweden > Gällivare Airport
  • Date: All time
  • Measurement: Average of the 24 hourly temperature observations in degrees Celsius

Der geladene Datensatz enthält eine tägliche Durchschnittstemperatur-Messung einer Wetterstation in Nordschweden im Zeitraum 2010 bis 2017.

Kennzahl

Wir verwenden die Durchschnittstemperatur-Messung im Datensatz als Kennzahl, indem eine Kennzahl in den Master-Elementen mit dem Namen Temperature degrees Celsius und der Formel Avg([Average of the 24 hourly temperature observations in degrees Celsius]) erstellt wird.

Visualisierung

Wir fügen dem Arbeitsblatt ein Verteilungsdiagramm hinzu und setzen die folgenden Dateneigenschaften fest:

  • Dimension: Date (Datum) und Year (Jahr). Die Reihenfolge ist wichtig. Date muss die erste Dimension sein.
  • Kennzahl: Temperature degrees Celsius, die Kennzahl, die als Master-Element erstellt wurde.
Verteilungsdiagramm mit den Dimensionen Date (Datum) und Year (Jahr) und der Kennzahl Temperature degrees Celsius.

Distribution plot.

Entdecken

Das Verteilungsdiagramm visualisiert der Verteilung der täglichen Temperaturmessungen. Die Visualisierung ist nach Jahr sortiert, und jeder Punkt stellt eine Temperaturmessung dar.

In der Visualisierung wird angezeigt, dass das Jahr 2012 die niedrigste Extremtemperatur-Messung aufweist, fast -40 Grad Celsius. Wir können auch sehen, dass das Jahr 2016 über die größte Verbreitung von Temperaturmessungen zu verfügen scheint. Mit diesen vielen Punkten im Verteilungsdiagramm kann es schwierig sein, Cluster und Ausreißer zu erkennen, aber das Jahr 2017 weist zwei Niedrigtemperatur-Messungen auf, die sich von anderen abheben. Sie können den Mauszeiger über einen Punkt bewegen und die Details anzeigen.