简单点，数据关联的方式简单点，
你又不是程序猿，干嘛非得什么都了解~
提到数据关联，每个人脑子里浮现的信息可能都不一样。
数据可视化分析的过程中，做好数据关联，对之后的分析工作至关重要！
关联数据与数据关联
在计算机领域，关联数据描述了一种发布结构化数据的方法，使得数据能够相互连接起来，便于更好的使用。
而在数据可视化领域，给数据做关联是为了将存在联系的数据连接起来，以便利用这些数据再做相关分析。
数据关联的要点
无论是Excel中的工作表还是数据库中的表，都要保证被用来做连接的关联字段中的值唯一、不重复。
比如“用户名”和“用户ID”两个字段，关联字段应该选择“用户ID”，原因显而易见，用户名很有可能存在重复，不符合要求。
关联字段至少存在两个表中。
下面小数将通过一个例子来分别对比Excel中的数据关联、数据库中的表关联以及DataHunter数据分析平台中的动态数据关联分别都是如何实现的。
需求假设：根据某电商公司提供的销售数据：用户订单表和退单表，进行数据关联，从而找到退单用户的信息。
订单表和退单表的原始截图分别如下：
（订单表部分截图，表名称“全国订单明细”）
（退单表部分截图，表名称“退单”）
通过比较两个表，我们首先确认两个表中唯一的关联字段：订单号。
针对前面提出的场景要求，下面来比较不同的方式如何对数据做关联：
Excel 中的数据关联如何实现？
在Excel中根据关联的方式不同会提供对应的VLOOKUP函数、MATCH函数以及INDEX函数。
在本文的例子中，因为是根据关键字（订单号）进行关联的，所以选用的是VLOOKUP函数。对另外两个函数感兴趣的小伙伴可自行百度。
为了方便大家理解，先对VLOOKUP函数语法做简单介绍，如下图：
所以根据需求，在退单表中的C列和D列分别输入两个VLOOKUP函数来关联顾客姓名和退单金额：
（关联顾客姓名）
（关联退单金额 ）
输入完成后，下拉，即可将所有的退单信息关联补全。
OK，上面就是一个简单利用VLOOKUP函数做两个表之间数据关联的简单例子。
可以明显看到，针对想要关联的不同字段数据，每次都需要输入一遍函数，操作比较繁琐容易出错，而且硬伤是只能做单向查找。想要避免这个问题，还需要对 INDEX 和MATCH 函数做相关了解。
我们再来看看传统数据库里面又是如何处理的。
数据库中的数据表关联如何实现？
首先给小白同学做个简单科普，数据库中的表关联有三种主要类型：left join（左关联）、rightjoin（右关联）、inner join（内关联）。
概念很好理解，还是以上面的两个数据表（全国订单明细表、退单表）举例：
如果做左关联(left join)，就是保持全国订单明细表不变，以”订单号”为关联字段，把需要的退单信息（处理状态）拿进来。
如果做右关联(right join)，就是保持退单表不变，以“订单号”为关联字段，把需要的用户信息（顾客姓名、退单金额）拿进来。刚刚在Excel中的操作，大家可以简单的认为是右关联，因为我是以退单表为主表去订单明细表里拿的信息。
如果做内关联(inner join)，则是以“订单号”为关联字段，取两个表的交集即可，不再有主表的概念。
另外说明一下，为了方便大家理解，我将“订单号”叫做了“关联字段”，在数据库中它的正规名称是“外键”。
具体操作的话，需要用到SQL语句，我这里用left join做个简单示例，语句如下：
是不是晕了？这些语句虽然简单，但对于没接触过的同学简直犹如天书。感谢辛苦看到这里的小伙伴们。
不要急，接下来小数介绍的DataHunter动态数据关联，让你可以将上面的什么Excel、数据库之类的鬼东西统统忘掉，10秒内就完成数据关联！
终极杀器：DataHunter 动态数据关联
DataHunter为了能给不懂代码的业务人员提供更简单的数据关联操作，特意推出了方便易用的磁吸式数据关联功能。
目前市场上的同类产品的数据关联，其设计理念仍是基于数据库里面的操作：将两个数据表进行左关联或右关联最后合成一张表，再供业务人员进行分析，灵活度较差！
在DataHunter的磁吸式数据关联功能中，业务人员只需要上传需要关联的工作表，选取关联字段，其他的操作系统都会自动帮你完成，整个过程不到10秒！
下图展示了在DataHunter数据可视化分析系统中是如何进行数据关联的，所用到的数据跟上文中的一模一样。
数据关联完成后，就为后续的制作图表、数据钻取等操作做好了数据基础，至于数据关联对后续操作的好处，小数将在下篇文章中为大家揭晓，敬请期待！
网友评论