地图如何帮助我们了解世界

许多数据集包括位置详细信息，例如地址、国家名称或指定的销售区域。映射这些位置元素可以对数据中的空间模式进行可视化、探索和交流，从而帮助我们更好地了解我们周围的世界。

在之前的一篇文章中， 如何在 Tableau 中使用地图回答您的数据问题，我探讨了地图可以帮助我们回答的三种基本问题类型：

• 如何找到特定感兴趣位置的值
• 如何探索一个地区的一般模式
• 如何比较位置或属性之间的值

地图视图，从左到右：特定位置的值（工具提示）、探索区域模式并比较两张地图

在这篇文章中，我将通过研究将视觉和空间分析整合到 Tableau 中的两种核心方法来扩展如何回答这些问题：

1. 空间数据位于何处，如何分布？
2. 位置如何相互关联？

1. 空间数据在哪里，分布如何？

根据定义，空间数据具有location ，因此了解数据的第一步是将其放在地图上以查看其位置。无论您使用的是表示为点、线还是多边形的数据，这始终是第一步——看看它！您是否看到数据中位置或值的均匀分布？还是有点簇？是否存在具有高值或低值的多边形组？

有很多方法可以查看分布以找到这些模式。要真正了解数据中发生的情况，请查看不止一种类型的分布图，因为它们可能会向您显示不同的模式。

例如，下图显示了绘制点分布的六种不同方法。虽然地图的可识别模式之间存在相似之处，但它们各自讲述的关于分布的故事略有不同。

六张地图中的每一张都讲述了关于分布的略有不同的故事。顺时针，从左上角开始：哪里（太多数据）； where（上下文的基本地图选项）；按邮政编码；密度/热图；按社区；按人口普查区；通过 Hexbin

我们将在本系列的下一篇博客中探索这些地图以及如何制作它们。

2. 地点如何相互关联？

探索分布是分析空间数据的第一步，但有时我们需要超越对单个数据集（或多个数据集之间）模式的可视化分析，并形式化数据集之间的空间关系。

例如，您可能需要：

• 准确计算每个销售区域多边形中有多少客户，
• 找到医院 10 英里范围内的所有患者，或
• 找出服务差距并确定所有不在医院 10 英里范围内的患者。

两个 Tableau 功能允许您查看多个数据集之间的关系：多数据源分层和空间交叉点。多数据源分层可以很容易地在同一张地图上直观地分析数据集，空间交叉点更进一步量化了我们数据集之间的关系。

例如，在下面的示例中，我们可以看到农贸市场与邻近的美国人口普查区之间的关系。然后，我们可以探索所有附近位置的属性，以定量了解所服务的区域。这涉及到一个多边形到多边形的空间交叉——查找与农贸市场周围的圆形缓冲区多边形相交的所有人口普查区域多边形。

利用多数据源分层和空间交叉点探索农贸市场与附近街区的关系。

或者，我们可以查看其他空间关系，例如用于用户控制的动态分析的多边形中的点。例如，下面的示例显示了如何识别公共汽车站附近的所有地址，以及如何调整距离参数以准确控制我们如何定义“附近”。

使用地址和公交车站之间的空间交叉点来定量检查步行距离内的区域。

在本系列的下一篇文章中，我们将探讨如何使用 Tableau 来查看和了解有关您的空间数据的更多信息。让我们通过学习如何回答这些关键空间问题来释放数据集中的分析潜力。