Power BI 直方图的三个应用案例

直方图（Histogram）是一种用于展示数据分布的统计图形，通过将数据分成若干区间（称为“组”或“箱子”），并用柱形的高度表示每个区间内数据的频数（或频率）。

直方图的X轴表示数据的取值范围，被划分为连续的、等宽的区间（例如：0-10、10-20等）；Y轴表示频数（各区间内数据出现的次数）或频率（频数占总数据的比例）。

以下是一个Power BI 直方图样例，展示了不同价位带的产品数量分布：

这个直方图有三个优点：

1. X轴标签不同于柱形图，不是和柱子居中对齐，而是显示在分界点；

2. X轴分组的等宽区间无需DAX计算，可任意修改；

3. X轴既可以是连续的维度（比如上图的零售价），也可以是任意连续的度量值（比如销售额，增长率，达成率、利润率等）

实现方法为vega-lite，假设有以下产品资料表：

在视觉对象库加载Deneb视觉对象，拖入以下两列：

拖入的两个字段，一个指明统计什么的分布，本例为产品ID，一个用来指明依据什么计算分布，本例为零售价。

接着在画布上点击Deneb右上角的...，选择编辑-空白vega-lite，粘贴以下代码：

{
  "data": {"name": "dataset"},
  "mark": {
    "type": "bar",
    "tooltip": true,
    "color": "deepskyblue" //颜色按报表主题自行调整
  },
  "encoding": {
    "x": {
      "bin": {"maxbins": 20},  // 自动分箱，最多多少区间
      "field": "零售价",
      "type": "quantitative",
      "axis": {
        "title": "零售价",
        "labelFontSize": 14
      }
    },
    "y": {
      "aggregate": "count",  // 公众号wujunmin
      "type": "quantitative",
      "axis": {
        "title": "频数",
        "labelFontSize": 14,
        "format": "d"
      }
    }
  },
  "config": {
    "axis": {
      "grid": false
    },
    "view": {
      "stroke": "transparent"
    }
  }
}

接着点击应用按钮，返回报表即完工：

代码中的maxbins（第十行），是用来调整最大分箱区间，比如调整为30，划分更细：

接下来介绍第二个场景，Deneb拖入维度员工姓名，拖入度量值销售业绩：

就可以得到不同业绩贡献的员工分布：

最后再举个帕累托分析的例子，我们可以滚动计算产品的累计贡献，放入表格效果如下：

放入折线和柱形图：

如果放入Deneb：

同样使用本文最开始的直方图代码，可以看到分段的产品品种数：