首页 > 嗟来之食 > 可视化框架设计-数据类型 – zaohe –
2016
08-17

可视化框架设计-数据类型 – zaohe –

数据类型

数据的分类方式
数据类型的设计-度量
更多

简介
数据可视化的本质就是将数据映射到图形,不同数据类型的数据适合的图形属性也不一样,本章讲解数据分类和G2是如何设计数据分类。图形属性在下一章节视觉通道中讲解。

数据类型

数据的类型可以按照两种分类方式: * 数据自然的分类 * 数据是否连续

数据自然的分类
按照数据的自然分类,可以将数值类型分为: * 名词:常见的名词,不关心顺序,比如国家的名称 * 有序:有序的分类,例如警报信息,从低到高分为黄色警告、橙色警告和红色警告 * 间隔:有间隔的数字,不考虑0的意义。例如温度,0度不代表没有温度 * 比例:表示字段之间存在比例关系,0必须有意义。

数据是否连续
按照数据是否连续划分的方式: + 分类(定性)数据,又分为有序的分类和无序的分类 + 连续(定量)数据,连续不间断的数值,时间也是一种连续的数据类型

首先我们来看一下下面的数据:

[
{"month":"一月","temperature":7,"city":"tokyo"},
{"month":"二月","temperature":6.9,"city":"newYork"},
{"month":"三月","temperature":9.5,"city":"tokyo"},
{"month":"四月","temperature":14.5,"city":"tokyo"},
{"month":"五月","temperature":18.2,"city":"berlin"}
]
其中:month 代表月份,temperature 代表温度,city 代表城市

上面数据中month和city都是离散的分类,但是又有所差异。month是有序的分类类型,而city是无序的分类类型。
temperature 是连续的数字

如何设计数据类型-度量
我们在G2中将数据类型按照是否连续来划分,每种分类设计成不同的度量(Scale),度量用于完成以下功能:

将数据转换到 0-1 范围内,方便将数据映射到位置、颜色、大小等图形属性。
将转换过的数据从 0-1 的范围内反转到原始值。例如 分类a 转换成 0.2,那此时 0.2反转回来的值就是分类a

将数据划分,用于在坐标轴上、图例上显示数值的范围、分类等信息

分类信息展示在图例上

确定显示在坐标轴上坐标点 30,40,50,60,70

所以每种度量必须包含以下信息:

定义域(domain),分类度量指的是各种分类,连续度量的最小值、最大值
值域(range),将分类、连续数据映射到范围,默认 0-1
坐标点(ticks),用于显示在图例或者坐标轴上,对于分类度量,坐标点就是分类类型;连续的数据类型,需要计算出对人比较友好的坐标点、友好的坐标间距,例如:

1,2,3,4,5
0, 5,10,15,20
0.001, 0.005,0.010 而不是:
1.1,2.1,3.1,4.1
12,22,32,42,52

支持的度量
G2中提供了下面几种度量

identity,常量类型的数值,也就是说数据的某个字段是不变的常量;
linear,连续的数字 [1,2,3,4,5];
cat,分类, [‘男’,’女’];
time,连续的时间类型;
log,连续非线性的 Log 数据 将 [1,10,100,1000] 转换成[0,1,2,3];
pow,连续非线性的 pow 数据 将 [2,4,8,16,32] 转换成 [1,2,3,4,5];
timeCat,非连续的时间,比如股票的时间不包括周末或者未开盘的日期。

属性和接口设计
度量共有的属性:

属性名说明

type
度量类型

range
度量转换的值域,默认是[0,1]

alias
别名,大多数数据集合的字段名都是英文,有时候需要定义中文名称,便于在图例、提示信息上显示

ticks
支持的坐标点,可以在图例、坐标轴上显示,坐标点的计算后面详细介绍

tickCount
坐标点的个数,不同类型的度量默认值不同

formatter
输出字段时的格式化函数,会影响数据在坐标轴、图例、提示信息(tooltip)上的显示

linear
连续的数据类型的基类,包含以下特殊的属性

属性名说明

min
定义域的最小值

max
定义域的最大值

tickCount
连续类型的度量,默认生成坐标点的个数是5

tickInterval
用于指定坐标轴各个标度点的间距,是原始数据之间的间距差值,tickCount 和 tickInterval 不可以同时声明

nice
是否根据人对数字识别的友好度,来调整min和max。例如 min:3,max: 97,如果nice: true,那么会自动调整为:min: 0,max: 100

cat
分类类型度量的特殊属性

属性名说明

values
当前字段的分类值

G2创建图表的时候,values字段一般会自动从数据中取得,但是以下2中情形下需要用户手动指定

需要指定分类的顺序时,例如:type 字段有’最大’,’最小’和’适中’3种类型,我们想指定这些分类在坐标轴或者图例上的顺序时:
[
{a: 'a1', b:'b1', type: '最小'},
{a: 'a2', b:'b2', type: '最大'},
{a: 'a3', b:'b3', type: '适中'}
]

var defs = {
'type': {type: 'cat',values: ['最小','适中','最大']}
};
如果不声明度量的values字段,那么默认的顺序是:‘最小’,‘最大’,‘适中’

如果数据中的分类类型使用枚举的方式表示,那也也需要指定values
[
{a: 'a1', b:'b1', type: 0},
{a: 'a2', b:'b2', type: 2},
{a: 'a3', b:'b3', type: 1}
]

var defs = {
'type': {type: 'cat',values: ['最小','适中','最大']}
};

必须指定’cat’类型,values的值按照索引跟枚举类型一一对应

time
time类型是一种特殊的连续型数值,所以我们将time类型的度量定义为linear的子类,除了支持所有通用的属性和linear度量的属性外,还有自己特殊的属性:

属性名说明

mask
数据的格式化格式 默认:’yyyy-mm-dd’

目前支持 2 种类型的时间(time)类型:

时间戳的数字形式, 1436237115500 // new Date().getTime()
时间字符串: ‘2015-03-01’, ‘2015-03-01 12:01:40’, ‘2015/01/05’,’2015-03-01T16:00:00.000Z’

格式化日期时mask的占位符:

y: year
m: month
d: date
H: hour
M: minute
s: second

log
log类型的数据可以将非常大范围的数据映射到一个均匀的范围内,这种度量是linear的子类,支持所有通用的属性和linear度量的属性,特有的属性:

属性名说明

base
Log 的基数,默认是2

以下情形下建议使用log度量

散点图时数据的分布非常广,同时数据分散在几个区间内。例如 分布在 0-100, 10000 – 100000, 1千万 – 1亿内,这时候适合使用log 度量
使用热力图时,数据分布不均匀时也会出现只有非常高的数据点附近才有颜色,此时需要使用log度量,对数据进行log处理。

pow
pow类型的数据也是linear类型的一个子类,除了支持所有通用的属性和linear度量的属性外也有自己的属性:

属性名说明

exponent
指数,默认是2

timeCat
timeCat类型的数据,是一种日期数据,但是不是连续的日期。例如代表存在股票交易的日期,此时如果使用time类型,那么节假日没有数据,折线图、k线图会断裂,所以此时使用timeCat的度量表示分类的日期,默认会对数据做排序。

属性名说明

tickCount
此时需要设置坐标点的个数

mask
数据的格式化格式

度量坐标点的计算
度量的信息需要在图例、坐标轴上显示时,不可能全部显示所有的数据,那么就需要选取一些代表性的数据显示在图例、坐标轴上,我们称这些数据为ticks(坐标点),不同的类型的度量计算ticks(坐标点)的算法各不一样,我们这里提供3类度量ticks(坐标点)的计算:

分类度量,包括 cat,timeCat
连续类型度量,包括linear,log,pow
时间类型度量,包括time

分类度量的计算
分类度量一般情况下不需要计算ticks,直接将所有的分类在图例、坐标轴上显示出来即可
但是当分类类型的数值过多,同时分类间有顺序关系时可以省略掉一些分类例如:

计算时需要使用到的属性:

values: 当前度量的分类值,如果未指定,则直接从数据源中提取
tickCount: 保留几个坐标点

分类的ticks计算非常简单个

均匀的从values中取tickCount个坐标点
为了保证values第一个和最后一个value都在ticks中,取值的间隔是 (values.length – 1) / (tickCount – 1),则保证values第一个和最后一个value都在ticks中

整除的场景:

var values= ["第一周","第二周","第三周","第四周","第五周","第六周","第七周","第八周","第九周"];
var tickCount = 5;
// 由于 values.length = 9;
// 平均间隔 step = (9 – 1) / (5 – 1) = 2;

var ticks = ["第一周","第三周","第五周","第七周","第九周"]

不能整除:

var values= ["第一周","第二周","第三周","第四周","第五周"];
var tickCount = 4;
// 由于 values.length = 5;
// 平均间隔 step = (5 – 1) / (4 – 1) = 4/3; 取整 step = 1;

// 舍弃了第四周
var ticks = ["第一周","第二周","第三周","第五周"]

连续数据度量的计算
连续数据类型计算坐标点需要考虑以下问题:

坐标点必须是对人友好的数据(nice numbers),不能简单的均分的方式计算坐标点。 例如 min: 3,max: 97,tickCount: 6,如果平均划分则会生成 ticks: [3, 21.8,40.6,59.4,78.2,97],我们理想的方式是ticks: [0, 20, 40, 60, 80, 100]
计算的数值范围不确定,有可能是 0, 100, 1000 也有可能是 0.01,0.02,0.03

连续数据坐标点的计算方式如下:

指定一个逼近数组 [1,2,5,10],用于计算对人友好的tickInterval
根据传入的min,max,tickCount 计算 tickInterval,将tickInterval的值转换到 0-10之间,保留转换的系数,例如min: 0, max: 9003,tickCount = 4,n那么计算的tickInterval = 3001 变成 3.001,系数是1000,然后在逼近数组中找到一个逼近值,以 3.001为示例

可以选择向上逼近(最终生成的坐标点个数小于tickCount),得出逼近值 5
或者选择向下逼近(最终生成的坐标点的个数大于tickCount),得出逼近值 2
或者四舍五入(有可能会多,有可能会少),得出逼近值5

将得到的逼近值乘以前面求得的系数1000,

如果逼近值是5,tickInterval = 1000 * 5 = 5000, 将min,和max取tickInterval的倍数,最终计算出来的ticks : [0, 5000, 10000]
如果逼近值是2,tickInterval = 1000 * 2 = 2000, 将min,和max取tickInterval的倍数,最终计算出来的ticks :[0, 2000, 4000, 6000, 8000, 1000]

伪代码如下:

var snapArray = [0, 2, 5,10];
var min = 0;
var max = 9003;
var tickCount = 4;
var tickInterval = (max – min) / (tickCount – 1); // 3001;

var factor = getFactor(tickInterval)// 1000,如果value > 10 则不断除以10 直到除数 1<value<10,如果value < 1,则不断乘以10, 直到 1< value < 10
var snapValue = snap(snapArray, tickInterval / factor, 'ceil'); // 向上逼近,逼近值5
var tickInterval = snapValue * factor;

var min = snapMultiple(tickInterval, min, 'floor')// 向下取tickInterval的整数倍,0
var max = snapMultiple(tickInterval,max, 'ceil') //向上取tickInterval的整数倍,15000

var ticks = [];
for(var i = min; i <= max; i+= tickInterval){
ticks.push(i);
}

return ticks;
注意事项 * snapArray 可以进行调整,数组内部值越多,间距越小,计算出来的tickCount跟预期的差距越小 * min,必须向下取tickInterval的倍数,max ,必须向上取tickInterval的倍数

时间类型的度量计算坐标点
时间类型的数据是连续数据,但是不适合连续数据度量的计算方式原因在于:

时间戳的数值比较大,包含毫秒信息,取对人友好的数值格式化出来的时间不一定对人友好,如 1466677570000,是 ’2016 18:26:10‘
对于日期的间隔大于月份,大于年的数据集,没法取得固定的tickInterval,因为月份和年的时间间隔并不相等

所以时间类型的度量需要自己的算法,算法如下:

根据min,max 和 tickCount计算tickInterval;
计算tickInterval 占一年的比例,yfactor = interval / yms(一年的毫秒数)

如果yfactor > 0.51,也就是时间间隔大于半年,取min和max的年份,按照年计算ticks 例如: min: 2001-05-02, max: 2015-10-12, tickCount = 6,此时ticks = [2001-01-01,2004-01-01 2007-01-01,2010-01-01, 2013-01-01, 2016-01-01]
如果0.0834 < yfactor < 0.51,时间间隔大于一个月,那么就按月的倍数来计算ticks 例如: min: 2001-05-02,max: 2002-04-03, tickCount = 5, 此时ticks = [2001-05-01, 2001-07-01, 2001-09-01, 2001-11-01, 2002-02-01, 2002-04-01, 2001-06-01]
如果时间间隔大于1天,按照天的倍数计算;如果时间间隔大于一个小时,按照小时的倍数计算。。。。然后按照分、秒、毫秒计算ticks

注意事项:

tickCount的值也无法确定最终生成的ticks的个数
必须保证计算出来的ticks的第一个值小于min,最后一个值大于max

更多
本章讲解了数据分类和G2如何设计数据分类,并且提供了计算坐标点(ticks)的方法,图例和坐标轴显示的文本全部由本章讲解的度量所决定,下一章节讲解视觉通道,并讲解视觉通道跟数据分类的关系。
G2网站:https://g2.alipay.com/

最后编辑:
作者:
这个作者貌似有点懒,什么都没有留下。

留下一个回复