当前位置：首页 > news >正文

Exercises Dataset数据分析：使用Tableau或Power BI创建报表的完整指南

news 2026/7/4 9:45:28

Exercises Dataset数据分析：使用Tableau或Power BI创建报表的完整指南

【免费下载链接】exercises-datasetA comprehensive dataset of 433 fitness exercises. Each entry includes name, category, target muscle group, equipment, instructions, thumbnail image, and animation video.项目地址: https://gitcode.com/GitHub_Trending/ex/exercises-dataset

你是否正在寻找一个全面的健身数据分析项目？Exercises Dataset为你提供了完美的数据源！这个包含1,324个健身练习的数据集涵盖了多种运动类别、设备类型和目标肌肉群，是进行数据分析和可视化的绝佳素材。本文将为你展示如何利用Tableau或Power BI从这个丰富的数据集中提取有价值的见解，并创建专业的健身数据分析报表。💪

📊 数据集概览与准备

Exercises Dataset是一个包含1,324个健身练习的全面数据集，每个条目都包含名称、类别、目标肌肉群、设备、详细说明、缩略图和多语言指导。数据以JSON格式存储，非常适合导入到Tableau或Power BI中进行可视化分析。

数据文件位置

核心数据文件位于项目的data/exercises.json路径中。这个文件包含了所有练习的完整信息，采用标准JSON格式，便于各种数据分析工具读取和处理。

关键数据字段

类别分布：上肢训练（292个）、下肢训练（227个）、背部训练（203个）
设备统计：自重训练（325个）、哑铃训练（294个）、杠铃训练（154个）
目标肌肉：腹肌（169个）、胸肌（158个）、二头肌（151个）
多语言支持：英语、西班牙语、意大利语、土耳其语、俄语、中文六种语言

🔧 Tableau数据分析实战

第一步：数据导入与连接

在Tableau中连接JSON数据源非常简单。选择"连接到文件"→"JSON文件"，然后导航到data/exercises.json文件。Tableau会自动解析JSON结构，将数据转换为可分析的表格格式。

第二步：创建关键指标仪表板

练习类别分布饼图：直观展示不同身体部位的训练比例
设备使用频率条形图：比较各种健身设备的使用频率
目标肌肉热度图：显示最常训练的目标肌肉群

第三步：高级分析功能

利用Tableau的计算字段功能，你可以：

创建"训练难度评分"（基于设备复杂度和肌肉群数量）
分析不同类别练习的"平均步骤数"
构建"多语言覆盖度"指标

📈 Power BI报表设计指南

数据转换与建模

在Power BI中，使用Power Query编辑器对数据进行预处理：

let Source = Json.Document(File.Contents("data/exercises.json")), #"Converted to Table" = Table.FromList(Source, Splitter.SplitByNothing(), null, null, ExtraValues.Error), #"Expanded Column1" = Table.ExpandRecordColumn(#"Converted to Table", "Column1", {"id", "name", "category", "body_part", "equipment", "instructions", "muscle_group", "secondary_muscles", "target", "media_id", "image", "gif_url", "created_at"}, {"id", "name", "category", "body_part", "equipment", "instructions", "muscle_group", "secondary_muscles", "target", "media_id", "image", "gif_url", "created_at"}) in #"Expanded Column1"

创建交互式报表

设备类型筛选器：让用户按设备类型筛选练习
肌肉群关系图：显示不同肌肉群之间的关联性
时间趋势分析：如果有时间戳数据，分析练习创建的时间分布

高级可视化技巧

使用卡片可视化显示关键统计数据（总练习数、类别数量等）
创建矩阵可视化展示类别与设备的交叉分析
设计散点图分析练习复杂度与目标肌肉群的关系

📋 五个实用数据分析场景

场景一：健身计划优化分析

通过分析不同身体部位的练习分布，帮助用户创建均衡的训练计划。例如，上肢训练占22%，下肢训练占17%，可以帮助平衡训练重点。

场景二：设备投资决策支持

数据显示325个练习使用自重训练，294个使用哑铃。这意味着健身房可以优先投资哑铃设备，同时鼓励会员进行自重训练。

场景三：多语言健身应用开发

数据集支持6种语言，为国际化健身应用开发提供了宝贵资源。分析显示所有练习都有完整的多语言说明。

场景四：目标肌肉训练频率分析

腹肌是最常训练的目标（169个练习），其次是胸肌（158个）和二头肌（151个）。这反映了用户常见的训练偏好。

场景五：新手友好度评估

通过分析设备复杂度和练习步骤数，可以识别出适合新手的练习，帮助设计入门级训练计划。

🚀 快速开始：三步创建你的第一个报表

第一步：数据准备

# 使用Python预处理数据 import pandas as pd import json with open('data/exercises.json', 'r', encoding='utf-8') as f: data = json.load(f) df = pd.DataFrame(data) df.to_csv('exercises_cleaned.csv', index=False)