如何在Tableau中按每个窗格的平均值为条形图上色

实现方案 #

核心逻辑非常简单：你之前只能用全局均值上色，是因为计算均值时没有按分面字段分组。只要先按你用来划分窗格的字段做分组聚合，算出每个分组对应的平均值，再把这个分组均值关联回原始数据，就可以用每个样本对应的分组均值作为阈值判断高低，进而实现按单窗格均值上色的需求。

R + ggplot2 实现示例 #

假设分面字段为category，数值字段为value，条形分类字段为sub_category：

library(tidyverse)
# 计算每个分面的均值并写入原数据集
df <- df %>% 
  group_by(category) %>% 
  mutate(facet_mean = mean(value, na.rm = TRUE)) %>% 
  ungroup()

# 绘图
ggplot(df, aes(x = sub_category, y = value, fill = value > facet_mean)) +
  geom_col() +
  # 添加分面均值红色虚线
  geom_hline(aes(yintercept = facet_mean), color = "red", linetype = "dashed") +
  # 分面设置，scales参数可根据需求调整为固定或者自适应
  facet_wrap(~category, scales = "free") +
  # 自定义颜色，可自行替换
  scale_fill_manual(values = c("TRUE" = "#1f77b4", "FALSE" = "#ff7f0e"))

Python + seaborn 实现示例 #

字段定义和上方一致：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 计算每个分面的均值
df['facet_mean'] = df.groupby('category')['value'].transform('mean')
# 新增是否高于分面均值的判断字段
df['above_facet_mean'] = df['value'] > df['facet_mean']

# 初始化分面画布
g = sns.FacetGrid(df, col="category", sharex=False, sharey=False, height=4, aspect=1)
# 绘制分面条形图
g.map_dataframe(
    sns.barplot,
    x="sub_category",
    y="value",
    hue="above_facet_mean",
    palette={True: "#1f77b4", False: "#ff7f0e"},
    dodge=False
)
# 给每个子图添加红色均值虚线
for ax, (facet_name, facet_data) in zip(g.axes.flat, df.groupby('category')):
    ax.axhline(facet_data['facet_mean'].iloc[0], color='red', linestyle='--')
# 添加图例
g.add_legend()
plt.show()

如果是二维分面（同时按行、列两个字段划分窗格），只需要把分组聚合的字段改成两个分面字段的组合即可，逻辑完全相同。 #

内容的提问来源于stack exchange，提问作者Kimberley