可视化框架设计-数据类型

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/