Dimension和Measure ★★★

为什么这是这一节课我推荐你反复阅读?

1. 明确的考点
   Dimension和Measure既是一个Tableau Concpet又是一个Data Concept.
   

2. 在考点4.1当中，Tableau Desktop Specialist已经明确指出以下考点：
   4.1.1 Explain what kind of information dimensions usually contain
   4.1.2 Explain what kind of information measures usually contain
   4.1.3 Explain the difference between dimensions and measures

3. 对于Dimension的理解涉及到后边Data Hierarchy的理解
   

4. Dimension/Measure结合Discrete/Continuous 会对你的图表变成什么样产生非常大的影响。更具体的说，以日期为例，讲日期设置成Dimension还是Measure，Discrete还是Continuous会画出完全不同的图，而如果你提前没有这些概念而直接开始画图，你会产生很多疑问。

翻译所带来的理解障碍

如果我们将Dimension和Measure翻译成中文。Dimension一般翻译为维度，Measure会翻译成度量。但是这种翻译并没有让我们的理解变的更加容易，反而一定程度上让理解变的更难了。因为一般情况下我们在生活中不会用这两个词。所以通过翻译来理解这两个概念并不是一个好的选项。

那么让我们求助于ChatGPT看看它怎么说。

Dimension:
In data analysis and machine learning, "dimension" typically refers to the number of attributes or features used to represent each data point. 在数据分析和机器学习当中，维度一般是指代表每个数据点的属性或者特性的数量。换句话说，Dimension是用来描述每个数据点的特性。到这里这个概念只是稍微好了一点点，但是还是不是非常清晰。下面让我们来做一个替换实验

Measure:
In data analysis, a "measure" refers to a quantitative indicator or variable that can be measured or quantified. 在数据分析中，measure一般是指是一个可以被测量或者量化的变量。
hmmm，看上去Measure说白了是一个数而不像是那种文字的描述。

替换实验

现在我要用一系列名词来尝试替换维度和度量这两个概念，这些名词体现了Dimension这个概念不同的侧面。通过了解这些侧面，你可以对这个概念有一个更全面的认识

我们首先来尝试替换Dimension维度，看看你的困惑有没有减少一点

Description 描述
用来描述一个人，一个组织 或者一个物体某种特征的数据
比如 颜色，名字，大小（这里不是指具体的尺寸，而是大中小），国籍，性别等等

Tag 标签
标签对应着一些类似于产品编号，员工编号，学生编号的数据，这些数据发挥着标签的作用，让使用者可以迅速的确定数据来自于哪些对象

Status 状态
在实际数据当中，你可能会自己定义一些分组或者分类的方法 并且把它们保存在数据当中。比如在职员工和离职员工，激活状态或休眠状态，这些都是一种维度

接下来我们尝试替换Measure度量

Value 数值，价钱
数值的大小，价钱的多少，这是Measure最直接的含义

Ratio比例 Percentage百分比 Probability概率
这些概念可以理解为在测量之后在开始学习这两个概念之前，我想说我并不是很喜欢这种直译的方式，或者说在使用的过程当中，我无法快速的将这两个名字和我拿到的数据联系起来，这就进一步造成了对这两个概念理解上的困难

在给出了上边这些例子之后，你或许对这两个概念的理解又进了一步，那么我将提出一个更深入的问题。

我们现在回归到一个本质问题： 为什么我们要学Dimension和Measure?

答案是当我们拿到数据之后,我们必须给数据当中的每个Column定性, 你必须选择它是Dimension，或是Measure, 再或者
将这个column复制一次, 然后Dimension和Measure各保留一个.

我们应该如何判断每个Column是一个Dimension还是Measure呢？

答案就是：Dimension的目的是分组， Measure的目的是计算。
如果一个column是Dimension, 就可以判断哪一行和哪一行是一组数据。
如果一个column是Measure，你就能加减乘除这个Measure里的值。
只要你记住了这个标准，你就可以取判断。

一个column可以同时是Dimension和Measure

在Tableau当中，同一个Field甚至可以同时是Dimension和Measure。 假设一个工厂固定生产3个规格的产品，分别为长度= 100cm/120cm/150cm。当这个数据导入到Tableau之后，Length长度这个field可以作为Dimension，来给所有的产品进行分类，我们可以分别计算100cm/120cm/150cm 三个类别产品的销售额，那么Length在这里的目的就是用来给产品进行分组。 在另一方面，Length又可以当做实际的长度应用到产品成本的计算当中，与其他的Measure比如高度，宽度和单位成本一起来计算成本，运费等等。 这时候Length的目的就是为了计算。换句话说，Length一个column同时有两个目的：分组和计算。

需要注意的是，Tableau里是不支持把一个column同时设置成Dimension和Measure的，你必须选择一个。怎么办？ 你将这个column复制一次，原数据中设置成Dimension，新复制的设置成Measure或者是反过来都可以。

将Measure转换成Dimension：Bin的概念

假设我们有一个员工数据，我们想要研究员工的年龄构成。这其中我们就需要将所有的员工按照他们的年龄分类。假设20岁以下分为一组，20到30分为一组，30到40岁分成一组。40到50一组，50岁以上一组。 这个时候基于年龄这个measure，我们创建了Age Group一个Bin。Age仍然是一个Measue. Bin就是将Measure根据它值的大小，划分不同的区间，然后赋予一个Dimension，它的目的同样是为了分组。 Bin还有一个特点，就是Bin会包含数据里所有的值，不会出现漏掉的情况。比如年龄段的Bin，所有可能的年龄都会包含在各个Bin当中

在考点2.3.4 当中 Tableau明确提出了考察Use Bins and Histograms 所以这一课当中，我先给出Bin的概念。

在Dimension的基础上创建新的Dimension：Group的概念

有的时候我们可以在已经存在的Dimension基础上创建新的Dimension，换句话说，在已经分类的基础上再进一步分类。 而这个分类是对原始数据的再加工。假设我们想要根据美国的State划分成东海岸，西海岸，中部等等，我们就要给每个State赋予一个Group，这个group基于用户自己的定义，而并不来源于数据。

考点2.2.1 Create Groups by using marks, headers, and the data pane指的就是这个Group

Tableau当中Dimension和Measure的显示