用瀑布图可视化对于结果的正和负贡献。

该示例示出了如何创建瀑布图来可视化正值和负值如何影响最终结果。

我们希望看到空气中涉及负因素（例如地面塌陷）的对于 CO2 的正贡献，诸如油或气体。

数据集

在该示例中，我们将使用您复制到文本文件的简单数据集以用作数据源。它包含以 ppm 为单位的自 1870 年起的空气 CO2 含量，以及 1870 年和 2017 年之间的时间内对于空气中的 CO2 的正和负贡献因素。

Atmosphere 1870,Coal,Oil,Gas,Cement,Land,Imbalance,Land sink,Ocean sink,Atmosphere 2017 288,94,72,31,5,88,-12,-89,-72,405

在空的应用程序中添加文本文件作为数据源，并加载数据。确保将逗号用作字段分隔符。

可视化

我们向工作表添加了瀑布图，并以下面的顺序将字段作为度量添加。编辑每个度量的标签以移除 Sum() 部分。

• Sum(Atmosphere1870)
• Sum(Coal)
• Sum(Oil)
• Sum(Gas)
• Sum(Cement)
• Sum(Land)
• Sum(Imbalance)
• Sum(Land_sink)
• Sum(Ocean_sink)

要添加显示计算的结果的条形图，即 2017 年的 CO2 含量，打开最终度量并选择小计。您可将小计标签设置为 Atmosphere 2017。

探索

正如您在图表中可见，2017 年空气中的 CO2 含量高于 1870 年。煤是 CO2 的主要贡献因素。增长中的一部分由吸收 CO2 的碳汇（例如海洋）偏移。如我们所见，很遗憾这并不足以停止空气中 CO2 的增加。