# 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。

![瀑布图显示了 CO2 的正贡献和负贡献](https://help.qlik.com/zh-CN/sense/November2025/Subsystems/Hub/Content/Resources/Images/ex_gen_waterfall_CO2.png)

## 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
```

（来源：CDIAC/GCP/NOAA-ESRL/UNFCCC/BP/USGS）

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。

![瀑布图显示了 CO2 的正贡献和负贡献](https://help.qlik.com/zh-CN/sense/November2025/Subsystems/Hub/Content/Resources/Images/ex_gen_waterfall_CO2.png)

## 发现

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。