数据类型与度量

简介数据类型数据自然的分类数据是否连续数据类型与度量 scaleG2 的度量类型属性和接口设计linearcattimelogpowtimeCat度量坐标点的计算分类度量的计算连续数据度量的计算时间类型的度量计算坐标点简介数据可视化的本质就是将数据映射到图形，但是不同类型的数据适合的图形属性不同，可视化的结果也会因此不同。通过了解数据分类以及 G2 的数据分类设计可以帮助你更好得使用 G2 进行图表创作。 数据类型image 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。 image 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。 首先我们来看下面的这组数据：

  1. [
  2.   {"month": "一月", "temperature": 7, "city": "tokyo"},
  3.   {"month": "二月", "temperature": 6.9, "city": "newYork"},
  4.   {"month": "三月", "temperature": 9.5, "city": "tokyo"},
  5.   {"month": "四月", "temperature": 14.5, "city": "tokyo"},
  6.   {"month": "五月", "temperature": 18.2, "city": "berlin"}
  7. ]

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。 数据类型与度量 scale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，如下： (1)分类信息展示在图例上 image (2)确定显示在坐标轴上坐标点 30，40，50，60，70 image 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值，连续度量则需要指定最小值、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： 1，2，3，4，50, 5,10,15,200.001, 0.005,0.010而不是：1.1，2.1，3.1，4.112，22，32，42，52

G2 的度量类型G2 中提供了下面几种度量 image

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。 image image 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5tickInterval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：

  1. [
  2. {a: 'a1', b:'b1', type: '最小'},
  3. {a: 'a2', b:'b2', type: '最大'},
  4. {a: 'a3', b:'b3', type: '适中'}
  5. ]
  7. var defs = {
  8. 'type': {type: 'cat',values: ['最小','适中','最大']}
  9. };

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

  1. [
  2. {a: 'a1', b:'b1', type: 0},
  3. {a: 'a2', b:'b2', type: 2},
  4. {a: 'a3', b:'b3', type: 1}
  5. ]
  7. var defs = {
  8. 'type': {type: 'cat',values: ['最小','适中','最大']}
  9. };

必须指定’cat’类型，values的值按照索引跟枚举类型一一对应 timetime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: yearm: monthd: dateH: hourM: minutes: second loglog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 baseLog 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。 powpow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

timeCattimeCat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

image 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： image 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：

  1. 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"];
  2. var tickCount = 5;
  3. // 由于 values.length = 9;
  4. // 平均间隔 step = (9 - 1) / (5 - 1) = 2;
  6. var ticks = ["第一周","第三周","第五周","第七周","第九周"]

不能整除：

  1. var values= ["第一周","第二周","第三周","第四周","第五周"];
  2. var tickCount = 4;
  3. // 由于 values.length = 5;
  4. // 平均间隔 step = (5 - 1) / (4 - 1) = 4/3; 取整 step = 1;
  6. // 舍弃了第四周
  7. 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, 21.888,…,78.111,97]，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，有可能呢是 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 [0,2,5,10],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: 1003,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, 15000]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, 12000]

伪代码如下：

  1. var snapArray = [0, 2, 5,10];
  2. var min = 0;
  3. var max = 10003;
  4. var tickCount = 4;
  5. var tickInterval = (max - min) / (tickCount - 1); // 3001;
  7. var factor = getFactor(tickInterval)// 1000，如果value > 10 则不断除以10 直到除数 1
  8. var snapValue = snap(snapArray, tickInterval / factor, 'ceil'); // 向上逼近，逼近值5
  9. var tickInterval = snapValue * factor;
  11. var min = snapMultiple(tickInterval, min, 'floor')// 向下取tickInterval的整数倍，0
  12. var max = snapMultiple(tickInterval,max, 'ceil') //向上取tickInterval的整数倍，15000
  14. var ticks = [];
  15. for(var i = min; i <= max; i+= tickInterval){
  16.   ticks.push(i);
  17. }
  19. 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

  1.                     当前内容版权归 蚂蚁金服 或其关联方所有，如需对内容或内容相关联开源项目进行关注与资助，请访问 蚂蚁金服 .
  4.                         上一篇:
  7.                         下一篇:
  10.             <div class="