2020年一线城市天气数据分析

案例数据

案例数据下载：

天气数据.xlsx

案例数据说明

案例数据为2020年一线城市天气数据，字段说明如下：

字段	说明
date	日期
ceilTemp	最高温
floorTemp	最低温
weather	天气
windOrient	风向
area	城市
airQuaRate	空气质量
airQuaRank	空气等级
windRank	风力等级

案例目标

1. 分析四个城市每个月的最高温和最低温的平均气温
2. 分析四个城市一年中，每天的温度分布情况
3. 分析四个城市一年中空气质量的分布情况
4. 分析污染天气在季节上的分布规律
5. 探寻“空气质量”的影响因素
6. 对北京差天气的原因分析

1. 分析四个城市每个月的最高温和最低温的平均气温

1. 分析：使用字段【date】,【area】,【ceilTemp】,【floorTemp】，使用折线图展示2020年1月到12月的最高温和最低温的平均气温趋势

2. 字段【date】是字符串类型，需要使用计算字段转为日期类型：DATEPARSE([date],'yyyy-mm-dd')

1. 标记改为“线”

2. 将计算字段【日期】拖到列并按“月”拆分，将【ceilTemp】和【floorTemp】拖动到行并将其聚合方式改为平均

1. 将【area】拖动到标记“颜色”

2. 分析四个城市一年中，每天的温度分布情况

1. 分析：使用计算字段【日期】,字段【area】，【ceilTemp】，【floorTemp】,使用气泡图展示2020年每天的最高温和最低温的分布

2. 将标记设为“圆”

3. 将计算字段【日期】拖到列并按“日”拆分，将【ceilTemp】和【floorTemp】拖动到行并将其聚合方式改为平均

3. 分析四个城市一年中空气质量的分布情况

1. 分析：使用计算字段【计数-空气质量】，字段【area】，【airQuaRank】，使用堆叠条图展示
2. 创建计算字段【计数-空气质量】：COUNT([airQuaRank])

1. 工作表右侧基本图表中选择堆叠条图
2. 拖动字段
3. 点击标记中的颜色，编辑颜色

4. 分析污染天气在季节上的分布规律

1. 分析：使用计算字段【天数】，【日期】,字段【area】，【airQuaRank】，使用折线图展示趋势
2. 创建计算字段【天数】：COUNT([date])

1. 拖动字段，其中【日期】按“季度”拆分
2. 使用筛选器，筛选空气质量中包含污染的数据

5. 探寻“空气质量”的影响因素

1. 分析：使用计算字段【温差】，字段【windRank】,【area】，【airQuaRank】,使用折线图展示趋势
2. 创建计算字段【温差】：[ceilTemp]-[floorTemp]
3. 拖动字段
4. 度量的聚合方式设置为平均
5. 从结果分析原因：温差越大可能空气质量越好，风级越大可能空气质量越好

6. 对北京差天气的原因分析

1. 分析：使用计算字段【温差】，字段【windRank】,【area】，【airQuaRank】,使用条形图比较

2. 从结果分析:

   1. 虽然和空气质量相关性最高的是风力等级，但不是造成北京空气质量较差的主要原因
   2. 北京的空气质量较差是因为北京的最低温度和温差比上海、广州、深圳都要大很多

制作仪表盘

1. 查看仪表盘

案例总结

本案例对天气数据进行分析，使用条形图、折线图、气泡图等进行可视化探索分析，使用筛选器和颜色设置，分析结果通过仪表盘进行展示。