在 Tableau 2018.3 發布之后，集操作功能擴展了 Tableau 中的交互性，通過用戶的選擇可以進行更深入，更多樣化的比較，并讓我們能夠以全新的視角查看數據。現在，您可以為 Viz 讀者提供更豐富的分析，更靈活的探索和更簡單的用戶體驗。

集操作能夠使交互更具表現力，無需任何編程即可對儀表板的設計進行精確的控制。它們讓我們能夠為最終的用戶交互設計各種自定義響應。現在可以通過單個選擇來協調多個可視化的不同行為，創建出幾乎無窮的組合。

篩選操作與集操作

與可視化作品的交互通常等同于篩選操作，但篩選只是對用戶選擇的一種響應。有時您可能想：

1、查找與選擇條件相關的所有項目，而不是僅保留完全匹配的項目

2、保留符合任一選擇條件的項目，而不是滿足所有選擇條件的項目

3、對所選項目進行排序，對齊，分組或向下鉆取，同時保留剩余數據的上下文

4、隱藏數據而不是篩選，以便您可以在計算中使用它

雖然篩選器僅保留選擇中的數據，它把數據分為兩個組 - 在選擇中或未在選擇中。實際上，篩選器只是一種特殊類型的集。而在原則上，集可以表達篩選器能夠表達的任何內容，但反之則不然。

1、通過交互性表示關系和重疊等概念

2、使用 Tableau 來思考計算編寫

3、應用提示和技巧進行設計和著色

示例 1：關系篩選

概念：有些數據編碼意義，而有些數據編碼關系。人們從編碼意義的數據類型中進行選擇。例如，用戶可能會問：“2018 年世界杯上哪些球隊和巴西隊一組？”“哪些球隊在E組？” 對小組感興趣的原因是組內的球隊會互相進行比賽。雖然篩選器總是會選擇用戶所點擊的值，但是集合可以根據與用戶所選項目的關系而選擇其他字段。

數據源：2018 World Cup Match Results

情景：對于一支選定的球隊，他們打了多少場比賽，在與哪些球隊的比賽中贏了，輸了，或是平局？每個球隊得了多少分，而它的對手又得了多少分？

解讀：當我們選擇一個國家時，它與其他球隊比賽的進球數和被進球數都會在 Viz 右側展示，但是它們是向著不同的方向延伸的。

值得注意的是：購物籃分析也可以用完全相同的方式解決，用訂單 ID 代替比賽 ID，而用產品代替隊伍。

示例 2：對選擇進行排序和對齊

概念：堆積條形圖通常用于比較各個部分對整體的貢獻。雖然第一個部分和總值在條形圖中可以輕松比較，但內部其他區域卻很難比較，因為它們不在共同的基線上。因此我們可以通過對選定部分的排序和對齊來解決此問題。

數據源：2017 - 2018 Stock Ticker Data

情景：每支股票的上漲或下跌的百分比是多少？哪些股票最不穩定？哪些股票波動性最小？哪些股票經常上漲？哪些股票經常下跌？

解讀：每個橫條代表了各個股票的每日變化情況。紅色部分越多意味著股票下跌的次數越多，而紫色部分越多則意味著股票上漲的次數越多。顏色的深淺代表著變化的大小。對不同部分進行排序可以回答有關波動性，幅度和變化方向的問題。

值得注意的是：雖然各個股票的橫條總長度是一樣，但當選擇一個或多個部分時，它會重新對齊。

示例 3：在選擇中應用 OR 邏輯

概念：雖然篩選器始終在選擇中應用 AND 運算符，但集可以在選擇中應用 OR 運算符。

數據源：Normalized London House Price Data(1995-2018)

情景：數據中的房產按照土地所有權分類或按照房產類型分類的比例是多少？在只符合一個分類標準的房產中，符合土地所有權分類標準的百分比和符合房產類型標準的百分比又是各多少？

解讀：OR 條件與總計算的百分比相結合，使您可以分析選擇標準的重疊部分。例如， freehold 和 terraced 之間存在很大的重疊部分，而 freehold 和 flat 之間幾乎沒有重疊部分，盡管幾乎所有的房產都符合這兩個標準中的其中一個。

值得注意的是：添加篩選器總是會減少記錄數，但添加帶 OR 條件的集會增加結果集中的記錄數。

動態分組

示例 4：合并細節層次

概念：數據通常是在嚴格的層次結構中構建的，而分析則需要將不同層次的細節合并到一個字段中。例如，銷售經理常常想知道團隊中個人配額與其他團隊平均配額相比較的情況。

數據源：Market Value of Players and Teams in the 2018 World Cup

情景：對于選定的小組，各個球隊的平均球員市場價值是多少？這與其他小組的平均值相比如何？

解讀：德國的平均球員市場價值高于所有其他小組的平均值，而其他球隊 - 瑞典，墨西哥和韓國 - 均低于所有小組的平均值。墨西哥和瑞典在第 16 輪擊敗德國的比賽中表現出色！

值得注意的是：這個技術允許您同時將組內的方差與組之間的方差進行比較。

示例 5：選擇與其他/條件聚合

概念：當篩選器移除未選擇的類別時，集可以將未選擇的類別分組為“其他”。

數據源：Normalised London House Price Data(1995-2018)

情景：選定地區的房價趨勢與所有其他地區的平均房價趨勢的比較。

解讀：每次選擇某一區域時，它都會從“其他”類別中移除。

值得注意的是：使用篩選器時，清除選擇會為每個類別顯示單獨的時間序列。使用集合，清除選擇將顯示匯總數據。當選擇中具有大量類別時，該技術特別有用。

示例 6：單個成員向下鉆取

概念：擴展類別子集使您可以在單個比例上對不同級別的詳細信息進行比較。

數據源：Market Value of Players and Teams in the 2018 World Cup

情景：Viz 展示了在選定小組中的某個球隊或具體運動員的平均球員市場價值與其他小組的平均值相比的情況。

值得注意的是：比率在不同的層次結構上是可比較的，而大小和數量通常不可以。例如，將個人的價值與團隊的總價值進行比較的情況并不常見，除非需要強調特殊的個人。例如，梅西的市場價值高于整個俄羅斯隊的市場價值。使用此技術時，請務必考慮要測量的類型和分析的意圖。

操作順序

示例 7：在篩選器之前計算排名

概念：像排序函數之類的表計算總是在篩選器之后應用，但在某些情況下，您可能希望在篩選之前進行表計算。

數據源：Market Value of Players and Teams in the 2018 World Cup

情景：對于選定的國家，每個球員在其球隊內，地區，和世界上的排名各是如何？

解讀：梅西在阿根廷，南美和全球都排名第一。哈里凱恩在英格蘭排名第一，在歐洲排名第一，但在全球排名第二。而姆巴佩在法國排名第一，在歐洲排名第二，在全球排名第三。

值得注意的是：這里并沒有對所選的隊伍進行篩選，而是對所有數據排序并隱藏不在集合中的國家。這可以確保 Viz 是根據所有數據所計算的排名，而不僅僅是篩選后的可見數據。

示例 8：計算視圖中被移除數據的移動平均值

概念：時間序列分析通常需要篩選到特定的時間范圍內，同時需要計算包括篩選時間段之前的數據。

數據源：Normalised London House Price Data (1995-2018)

情景：放大指定時間范圍，不僅可以查看按周銷售的房產數量，還可以查看固定時間段（52 周內）房產銷售的移動平均值。

值得注意的是：在計算度量時，將返回所選時間范圍內的度量值，否則返回空值。根據系統設計會自動隱藏空值度量，因此會使 Viz 自動縮放到所選時間范圍。

集操作使交互性更具表現力

集操作提供了強大的功能和靈活性幫助我們設計更有效的交互。用戶將擁有更多的控制權，這意味著我們可以得到更好的定制體驗和更豐富的分析。雖然這篇文章已經提到了幾個例子，但集操作的潛力是無限的，我們期待在社區里看到集操作的應用。