Det här exemplet visar hur du gör ett lådagram för att visualisera intervall och fördelning av numeriska data med hjälp av dagliga temperaturmått.
Datauppsättning
I det här exemplet ska vi använda följande väderdata.
- Location: Sweden > Gällivare Airport
- Date range: all data from 2010 to 2017
- Measurement: Average of the 24 hourly temperature observations in degrees Celsius
Den hämtade datauppsättningen innehåller ett mått på den dagliga genomsnittstemperaturen från en väderstation i norra Sverige under perioden 2010–2017.
Mått
Vi använder genomsnittstemperaturmåttet i datauppsättningen som mått genom att skapa ett mått i Originalobjekt som kallas Temperature degrees Celsius och uttrycket Avg([Average of the 24 hourly temperature observations in degrees Celsius]).
Visualisering
Vi lägger till ett lådagram till arket och anger följande dataegenskaper:
- Dimension: Date (datum) och Year (år). Ordningen är viktig, Date måste vara den första dimensionen.
- Measure: Temperature degrees Celsius; det mått som skapades som ett originalobjekt.
I det här exemplet använder vi standardlådagrammets förinställningar, Standard (Tukey) med morrhårsvärdets längd 1,5 kvartilöverskridande intervall.
Upptäckt
Lådagrammet visualiserar fördelningen av de dagliga temperaturmåtten. Visualiseringen sorteras i medeltemperaturs-ordning. Varje års medeltemperatur illustreras med en mittenlinje i varje låda. Rutan sträcker sig från den första kvartilen till den tredje kvartilen och morrhårsvärdet sträcker sin över intervallen på 1,5 interkvartiler. Det finns även ett antal outlier-värden, de punkter som är placerade utanför morrhårsvärdena. Du kan hovra med muspekaren över en outlier-punkt och visa informationen.
I lådagrammet ser vi att år 2010 har den längsta lådan och de längsta morrhårsvärdena. Det visar att år 2010 har den största fördelningen av uppmätta temperaturer. Det verkar även vara det i genomsnitt kallaste året.
Intervallet 2017 är litet eftersom datauppsättningen endast innehåller mått från årets första månader.