用瀑布图可视化对于结果的正和负贡献。
该 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 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。