這是一篇給朋友的數據分析入門隨筆，也同時分享給你，希望對你有用。這次打算帶着你開始第一次有意思的可視化數據分析，從芝加哥紅綠燈和速度攝像頭的公共數據中發掘各種隱藏的信息。Realy hope you joy in it.
首先要準備兩樣東西，Tableau和數據
Tableau
這裏可以下載最新的桌面版Tableau，https://www.tableau.com/zh-cn/products/trial
這東西很好用，行業內很多公司都在使用Tableau（Server版）做爲內部BI的主要基礎或補充。如果你希望在數據分析上深入一些，可以去淘寶上買個序列號，一年的桌面版tableau大概在100塊左右；如果你只是想先玩玩，14天的桌面版試用，應該也可以感受到熱情是否存在。
數據源
先列一些你可能你能夠輕鬆拿到的數據源，他們可以幫助你快速上手，跳過獨立採集數據的過程，直接從陌生的數據中去發現一些未知的東西。我覺得這能更快更好地幫助你就建立正反饋循環。
- Kaggle：https://www.kaggle.com/datasets
- 一個美國數據導航：https://datausa.io/
- 美國政府開放數據平臺（可能需要科學上網）：https://www.data.gov/
- 國內的一些政府開放數據平臺，自己百度吧
這次用到的數據是：https://www.kaggle.com/chicago/chicago-red-light-and-speed-camera-data#red-light-camera-locations.csv 如下圖(我相信你能找得到Google的網頁翻譯，也能找得到下載按鈕，就不細說了)
需要單獨提一句的是，你可能不知道這些字段到底代表什麼，他們是怎麼採集來的，balabala……很多數據源會有標註，比如下圖，他們通常能解決你的大部分疑惑（通常我們會管它叫做“元數據”，metadata，意爲描述數據的數據）
ok，準備工作到此已經做完了，下面就要開始手把手教你了。
（什麼？要我教你如何安裝Tableau？朋友，聽說過百度嗎？）
先點擊左側的連接到“文本文件”，找到你解壓出的數據文件“speed-camera-violations.csv”，這是芝加哥各測速攝像頭從2014年至今按日計算的違規數
打開之後大概是如下的樣子，從左到右分別是地址，攝像頭ID，違規日期，違規次數，balabala……
有時間，有對應的數據量，我們會很直接的想按時間看看違規量的變化，看看交通狀況的變化趨勢是好是壞。我們先點左下角的標籤，進入工作表開始探索，如果你想改表名，雙擊標籤就能修改。
一般來講，我們會習慣把自變量放在橫軸，因變量放在縱軸上。那麼這次我們先試着把時間放到橫軸，違規量放到縱軸上，大概如下圖。
是不是覺得只按年看數據，有點不能滿足自己的好奇心？點擊藍色的“時間”標籤，能調整時間的粒度。
這次我們就稍進一步，按xx年第x季度的順序來查看，是不是發現了什麼？整體呈現非常明顯的下降趨勢，我們可以簡單地假設，芝加哥的交通環境在不斷變好。但是有沒有可能是其他情況造成了這樣的數據變化呢？會不會是城市交通太過擁擠，導致給你超速的機會少了呢？所以想想看，如果你想證明這是交通好轉而不是惡化，還需要什麼數據做支撐呢？
再仔細看下去，是不是發現了點規律性的波動？似乎每年的第2季度都是一年中違規量總和最高的時候，那這代表什麼呢？通常情況下，我們看到季度波動會直接聯想到天氣，那是不是可以關聯上芝加哥的天氣數據來做進一步的分析？
時序性的分析就點到爲止，爲你提供幾個方向，供你去探索一下：
- 月度、周度會不會有週期性的波動呢
- 如果不止看違規總量，看看各攝像頭的違規中位數、平均數，會不會發現更多呢
下面我們來試試更有意思的，攝像頭都會有地理座標，那麼我們把數據放到地圖上來看，是不是會更有趣？把經度、維度放到橫縱軸上，把違規量當作圓大小的變量，一張地理可視化數據圖就做出來了。
那麼我們可不可以探索更多，比如工作日和週末會不會影響各個攝像頭的違規量？這裏要先寫點函數，讓我們獲取到今天是工作日還是休息日。（國外通常以週日爲一週第一天，這點要注意一下）
```
IF DATEPART('weekday', [VIOLATION DATE])=1 OR DATEPART('weekday', [VIOLATION DATE])=7
THEN "休息日"
ELSE "工作日"
END
```
成圖就是如下這樣，橙色的正方形指的是休息日，藍色的菱形是工作日，圖標的大小受14年-18年該攝像頭記錄的違規數量的日中位數影響
那麼，你能不能發現些什麼呢？
如果你，對這篇隨筆感興趣，或者發現了什麼，歡迎留言。
如果你感興趣，我會續着，寫寫Tableau上聚類應用，看Tableau的分類結果，跟你對這幅圖的解讀是否相同。
就像開頭說的，這起初是一篇給朋友的數據分析入門隨筆，可能會有些囉嗦，可能寫的深度忽淺忽深，總之，讀到這裏不容易，感謝閱讀。