一个数据视图(DataSet.View)通过 Transform 来进行数据转换操作,其语法如下:

  1. dv.transform({
  2. type: connectorName,
  3. ...otherOptions
  4. });

举个例子:

  1. const testCSV = `Expt,Run,Speed
  2. 1,1,850
  3. 1,2,740
  4. 1,3,900
  5. 1,4,1070`;
  6. const dv = new DataSet.View().source(testCSV, {
  7. type: 'csv'
  8. });
  9. console.log(dv.rows);
  10. /*
  11. * dv.rows:
  12. * [
  13. * {Expt: " 1", Run: "1", Speed: "850"}
  14. * {Expt: " 1", Run: "2", Speed: "740"}
  15. * {Expt: " 1", Run: "3", Speed: "900"}
  16. * {Expt: " 1", Run: "4", Speed: "1070"}
  17. * ]
  18. */
  19. dv.transform({
  20. type: 'filter',
  21. callback(row) {
  22. return row.Run !== "1";
  23. }
  24. });
  25. console.log(dv.rows);
  26. /*
  27. * dv.rows:
  28. * [
  29. * {Expt: " 1", Run: "2", Speed: "740"}
  30. * {Expt: " 1", Run: "3", Speed: "900"}
  31. * {Expt: " 1", Run: "4", Speed: "1070"}
  32. * ]
  33. */

上述代码中,数据视图实例 dv 使用 csv 类型的 Connector 载入了一段 CSV 文本,之后执行 filter Transform,过滤了某些数据。

目前 DataSet 支持以下 Transform:

静态处理相关

filter 数据过滤

具体用法见示例:

  1. dv.transform({
  2. type: 'filter',
  3. callback(row) { // 判断某一行是否保留,默认返回true
  4. return row.year > 1998;
  5. }
  6. });

map 数据加工

具体用法见示例:

  1. dv.transform({
  2. type: 'map',
  3. callback(row) { // 加工数据后返回新的一行,默认返回行数据本身
  4. row.newCol = row.xxx + row.yyy;
  5. return row;
  6. }
  7. });

pick 字段过滤

具体用法见示例:

  1. dv.transform({
  2. type: 'pick',
  3. fields: [ 'xxx', 'yyy' ] // 决定保留哪些字段,如果不传,则返回所有字段
  4. });

rename 字段重命名

alias: rename-fields

具体用法见示例:

  1. dv.transform({
  2. type: 'rename',
  3. map: {
  4. xxx: 'yyy' // row.xxx 会被替换成 row.yyy
  5. }
  6. });

reverse 逆序排列

具体用法见示例:

  1. dv.transform({ // 把数据行逆序排列
  2. type: 'reverse',
  3. });

sort 数据排序

具体用法见示例:

  1. dv.transform({
  2. type: 'sort',
  3. callback(a, b) { // 排序依据,和原生js的排序callback一致
  4. return a.year - b.year;
  5. }
  6. });

sort-by 按字段排序

alias: sortBy

具体用法见示例:

  1. dv.transform({
  2. type: 'sort-by',
  3. fields: [ 'year' ], // 根据指定的字段集进行排序,与lodash的sortBy行为一致
  4. order: 'DESC' // 默认为 ASC,DESC 则为逆序
  5. })

subset 获取子集

具体用法见示例:

  1. dv.transform({
  2. type: 'subset',
  3. startRowIndex: 1, // 保留行的起始索引
  4. endRowIndex: 2, // 保留行的结束索引
  5. fields: [ 'year' ] // 保留字段集
  6. })

partition 数据分组

alias: group | groups

具体用法见示例:

  1. dv.transform({
  2. type: 'partition',
  3. groupBy: [ 'year' ], // 以year字段进行分组
  4. orderBy: [ 'month' ] // 以month字段进行排序
  5. });

数据形变/数据补全相关

fill-rows 补全行

alias: fillRows

先按照 groupByorderBy 进行分组,如果以分组作为补全依据(fillBy: 'group'),那么就对比每个分组,以 orderBy 序列字段值最全的分组为标准补全数据行数不足的分组。如果以序列作为补全依据(fillBy: 'order'),那么就取所有 orderBy 序列字段的组合,为每个分组都补充全量的序列。

注意!如果原始数据有除 groupBy 和 orderBy 指定的字段以外的字段,那么补充的数据行里会缺失这些字段。这时可以结合 impute Transform 来做字段数据补全。

具体用法见示例:

fillBy: group

  1. const data = [
  2. { a: 0, b: 0 },
  3. { a: 0, b: 1 },
  4. { a: 0, b: 2 },
  5. { a: 1, b: 1 },
  6. { a: 1, b: 2 },
  7. { a: 1, b: 3 },
  8. { a: 2, b: 0 }
  9. ];
  10. const dv = new DataSet.View().source(data)
  11. .transform({
  12. type: 'fill-rows',
  13. groupBy: [ 'a' ],
  14. orderBy: [ 'b' ],
  15. fillBy: 'group' // 默认为 group,可选值:order
  16. });
  17. console.log(dv.rows);
  18. /*
  19. * dv.rows 变为:
  20. * [
  21. * { a: 0, b: 0 }, // 分组1 作为第一个序列字段最全(b)的组,被选为基准
  22. * { a: 0, b: 1 },
  23. * { a: 0, b: 2 },
  24. * { a: 1, b: 1 }, // 分组2 序列字段个数和基准组一致,所以不补充数据
  25. * { a: 1, b: 2 },
  26. * { a: 1, b: 3 },
  27. * { a: 2, b: 0 }, // 分组3 缺省数据,根据基准组进行数据补全
  28. * { a: 2, b: 1 }, // 这行数据被补充
  29. * { a: 2, b: 2 }, // 这行数据被补充
  30. * ]
  31. */

fillBy: order

  1. // 使用和上例同样的数据
  2. const dv = new DataSet.View().source(data)
  3. .transform({
  4. type: 'fill-rows',
  5. groupBy: [ 'a' ],
  6. orderBy: [ 'b' ],
  7. fillBy: 'order' // 默认为 group,可选值:order
  8. });
  9. console.log(dv.rows);
  10. /*
  11. * dv.rows 变为:
  12. * [
  13. * { a: 0, b: 0 }, // 分组1
  14. * { a: 0, b: 1 },
  15. * { a: 0, b: 2 },
  16. * { a: 0, b: 3 }, // 分组1 补充了这行数据,因为全量的序列字段(b)有这个值
  17. * { a: 1, b: 0 }, // 分组2 补充了这行数据,因为全量的序列字段(b)有这个值
  18. * { a: 1, b: 1 },
  19. * { a: 1, b: 2 },
  20. * { a: 1, b: 3 },
  21. * { a: 2, b: 0 }, // 分组3 缺省数据,根据基准组进行数据补全
  22. * { a: 2, b: 1 }, // 这行数据被补充
  23. * { a: 2, b: 2 }, // 这行数据被补充
  24. * { a: 2, b: 3 }, // 这行数据被补充
  25. * ]
  26. */

impute 补全列/补全字段

根据配置规则为某个字段补全缺失值。

具体用法见示例:

  1. const data = [
  2. { x: 0, y: 1 },
  3. { x: 0, y: 2 },
  4. { x: 0, y: 3 },
  5. { x: 0 },
  6. { x: 1, y: 5 },
  7. { x: 1, y: 6 },
  8. { x: 1, y: 7 },
  9. { x: 1 },
  10. { x: 1, y: 9 },
  11. { x: 2 }
  12. ];
  13. const dv = new DataSet.View().source(data)
  14. .transform({
  15. type: 'impute',
  16. field: 'y', // 待补全字段
  17. groupBy: [ 'x' ], // 分组字段集(传空则不分组)
  18. method: 'max' // 补全字段值时执行的规则
  19. });
  20. /*
  21. dv.rows 变为
  22. [
  23. { x: 0, y: 1 },
  24. { x: 0, y: 2 },
  25. { x: 0, y: 3 },
  26. { x: 0, y: 3 },
  27. { x: 1, y: 5 },
  28. { x: 1, y: 6 },
  29. { x: 1, y: 7 },
  30. { x: 1, y: 7 },
  31. { x: 1, y: 9 },
  32. { x: 2, y: 9 }
  33. ]
  34. */

补全字段的规则(method)有常见的统计函数:max, min, median, mean

还有补充固定值的写法:method 指定为 value,然后 value 指定为填充的常量,譬如

  1. dv.transform({
  2. type: 'impute',
  3. field: 'y', // 待补全字段
  4. groupBy: [ 'x' ], // 分组字段集(传空则不分组)
  5. method: 'value', // 补全常量
  6. value: 10 // 补全的常量为10
  7. });

fold 字段展开

以指定字段集为key,展开数据。

具体用法见示例:

  1. const data = [
  2. { country: "USA", gold: 10, silver: 20 },
  3. { country: "Canada", gold: 7, silver: 26 }
  4. ];
  5. const dv = ds.createView()
  6. .source(data)
  7. .transform({
  8. type: 'fold',
  9. fields: [ 'gold', 'silver' ], // 展开字段集
  10. key: 'key', // key字段
  11. value: 'value', // value字段
  12. retains: [ 'country' ] // 保留字段集,默认为除 fields 以外的所有字段
  13. });
  14. /*
  15. dv.rows 变为
  16. [
  17. { key: gold, value: 10, country: "USA" },
  18. { key: silver, value: 20, country: "USA" },
  19. { key: gold, value: 7, country: "Canada" },
  20. { key: silver, value: 26, country: "Canada" }
  21. ]
  22. */

数据比例(百分比)相关 Transform

percent 总和百分比

统计某个维度下某个字段的值的和占总和的比例(可以分组)。

field 是统计发生的字段(求和,求百分比),dimension 是统计的维度字段,也就是”每个不同的 dimension 下,field 值占总和的百分比”,groupBy 则是分组字段,每一个分组内部独立求百分比(每一个分组内,最后的 percent 字段相加之和为 1)。

具体用法见示例:

  1. dv.transform({
  2. type: 'percent',
  3. field: 'sold', // 统计销量
  4. dimension: 'year', // 每年的占比
  5. groupBy: [ 'category' ], // 以不同产品类别为分组,每个分组内部各自统计占比
  6. as: 'percent' // 结果存储在 percent 字段
  7. });

proportion 行数百分比

统计某个维度下某个字段的数据条数占总条数的比例(可以分组)。和 percent Transform 类似,但统计的是数据条目的占比,而不是数据总和的占比。

具体用法见示例:

  1. dv.transform({
  2. type: 'proportion',
  3. dimension: 'year', // 每年的占比
  4. groupBy: [ 'category' ], // 以不同产品类别为分组,每个分组内部各自统计占比
  5. as: 'proportion' // 结果存储在proportion字段
  6. });

数据统计相关

aggregate 聚合统计

统计处理,支持并行的多种统计。

具体用法见示例:

  1. dv.transform({
  2. type: 'aggregate', // 别名summary
  3. fields: [], // 统计字段集
  4. operations: [], // 统计操作集
  5. as: [], // 存储字段集
  6. groupBy: [] // 分组字段集
  7. })

以上fields/operations/as这三个数组元素一一对应。“对某个字段field进行某种统计操作operation结果存储在某个字段上as”

支持的operations: 详见simple-statistics

  • count

  • max

  • min

  • mean

  • median

  • mode

  • product

  • standardDeviation

  • sum

  • sumSimple

  • variance

regression 回归曲线

计算两个字段的回归拟合曲线。

具体用法见示例:

  1. dv.transform({
  2. type: 'regression',
  3. method: 'linear', // 回归算法类型
  4. fields: [ 'x', 'y' ], // 统计字段
  5. bandwidth: 0.1, // 步长
  6. extent: [ 0, 4 ], // 结果集里,x的数值范围
  7. as: [ 'x', 'y' ] // 结果字段
  8. });

支持的回归算法类型:

  • linear

  • exponential

  • logarithmic

  • power

  • polynomial

数据分箱相关

bin.histogram 直方图分箱

单字段

alias: bin.dot

具体用法见示例:

  1. dv.transform({
  2. type: 'bin.histogram',
  3. field: 'a', // 对应数轴上的一个点
  4. bins: 30, // 分箱个数
  5. binWidth: 10, // 分箱步长(会覆盖bins选项)
  6. offset: 0, // 分箱偏移量
  7. groupBy: [], // 分组(用于层叠直方图)
  8. as: [ 'x', 'count' ], // x 为数组,存储了某个分箱的上下限 [x0, x1]
  9. });

bin.quantile 分位值分箱

单字段

具体用法见示例:

  1. dv.transform({
  2. type: 'bin.quantile',
  3. field: 'y', // 计算分为值的字段
  4. as: '_bin', // 保存分为值的数组字段
  5. groupBy: [], // 分组
  6. fraction: 4, // 可选,默认四分位
  7. p: [ 0.5, 0.3 ] // 可选,p参数列表,与 fraction 二选一
  8. });

bin.hexagon 六边形分箱

双字段

alias: bin.hex | hexbin

具体用法见示例:

  1. dv.transform({
  2. type: 'bin.hexagon',
  3. fields: [ 'a', 'b' ], // 对应坐标轴上的一个点
  4. bins: [ 30, 30 ], // 两个方向上的分箱个数
  5. binWidth: [ 10, 1000 ], // 两个方向上的分箱步长(会覆盖bins的配置)
  6. offset: [ 0, 0 ], // 两个方向上的分箱偏移量
  7. sizeByCount: false, // 是否根据分箱个数调整分箱大小(六边形的半径)
  8. as: [ 'x', 'y', 'count' ], // 这个点落在的六边形的顶点坐标集,以及每个分箱内的数据条数
  9. // x: [ x0, x1, x2, x3, x4, x5 ], y: [ y0, y1, y2, y3, y4, y5 ]
  10. // count: Number
  11. });
  12. /*
  13. * 顶点顺序:
  14. * 3
  15. * 4 2
  16. *
  17. * 5 1
  18. * 0
  19. */

bin.rectangle 矩形分箱

双字段

alias: bin.rect

具体用法见示例:

  1. dv.transform({
  2. type: 'bin.rectangle',
  3. fields: [ 'a', 'b' ], // 对应坐标轴上的一个点
  4. bins: [ 30, 30 ], // 两个方向上的分箱个数
  5. binsWidth: [ 10, 10 ], // 两个方向上的分箱步长(会覆盖bins配置)
  6. offset: [ 0, 0 ], // 两个方向上的分箱偏移量
  7. sizeByCount: false, // 是否根据分箱个数调整分箱大小
  8. as: [ 'x', 'y', 'count' ], // 这个点落在的六边形的顶点坐标集
  9. // x: [ x0, x1, x2, x3 ], y: [ y0, y1, y2, y3 ]
  10. // count: Number
  11. });
  12. /*
  13. * 顶点顺序:
  14. * 3 - 2
  15. * | |
  16. * 0 - 1
  17. */

核函数相关

kernel-smooth.regression 核函数概率密度回归

用于画核函数概率密度回归曲线,支持单字段或者双字段。

具体用法见示例:

  1. dv.transform({
  2. type: 'kernel-smooth.regression',
  3. fields: [ 'x', 'y' ], // 必填,1 或 2 字段
  4. method: 'gaussian', // 采用的核函数类型。也可以指定为自定义的函数
  5. extent: [ min(x), max(x) ], // 数值范围,默认为 x 字段的数值范围
  6. bandwidth: 0.4, // 步长,默认采用 silverman 的算法计算
  7. as: [ 'x', 'y' ], // 结果字段,单字段时,y 为 x 值对应的概率
  8. });

支持的核函数类型:

  • cosine

  • epanechnikov

  • gaussian (default)

  • quartic

  • triangular

  • tricube

  • triweight

  • uniform

kernel-smooth.density 核函数概率密度分布

用于画核函数概率密度分布热力图,双字段。

具体用法见示例:

  1. dv.transform({
  2. type: 'kernel-smooth.density',
  3. fields: [ 'x', 'y' ], // 必填
  4. method: 'gaussian', // 采用的核函数类型。也可以指定为自定义的函数
  5. extent: [ [ min(x), max(x) ], [ min(y), max(y)] ], // 数值范围,默认为 x 以及 y 字段各自的数值范围
  6. bandwidth: 0.4, // 步长,默认采用 silverman 的算法计算
  7. as: [ 'x', 'y' ], // 结果字段,单字段时,y 为 x 值对应的概率
  8. });

silverman 提出的 bandwidth 计算算法: paper

支持的核函数类型同上

树相关

hierarchy.treemap 树形图

alias: treemap

根据树形数据生成树形图 Treemap 布局。

具体用法见示例:

  1. dv.transform({
  2. type: 'hierarchy.treemap',
  3. field: 'value',
  4. tile: 'treemapSquarify', // 布局类型
  5. size: [ 1, 1 ], // width, height
  6. round: false,
  7. // ratio: 1.618033988749895, // golden ratio
  8. padding: 0, // 各种 padding 配置
  9. paddingInner: 0,
  10. paddingOuter: 0,
  11. paddingTop: 0,
  12. paddingRight: 0,
  13. paddingBottom: 0,
  14. paddingLeft: 0,
  15. as: [ 'x', 'y' ] // 矩形的顶点集
  16. // x: [ x0, x1, x2, x3 ], y: [ y0, y1, y2, y3 ]
  17. });

支持的布局类型:

  • treemapBinary

  • treemapDice

  • treemapSlice

  • treemapSliceDice

  • treemapSquarify

  • treemapResquarify

hierarchy.partition 相邻层次图

alias: adjacency

根据树形数据生成相邻层次图 Adjacency Diagram 布局,可以通过坐标变换变形为 Sunburst 图。

具体用法见示例:

  1. dv.transform({
  2. type: 'hierarchy.partition',
  3. field: 'value',
  4. size: [ 1, 1 ], // width, height
  5. round: false,
  6. // ratio: 1.618033988749895, // golden ratio
  7. padding: 0, // 各种 padding 配置
  8. as: [ 'x', 'y' ], // 矩形的顶点集
  9. // x: [ x0, x1, x2, x3 ], y: [ y0, y1, y2, y3 ]
  10. });

图相关

diagram.arc 弧长链接图

弧长链接图(Arc Diagram)可以变形为和弦图(Chord Diagram)。

alias: arc

具体用法见示例:

  1. dv.transform({
  2. type: 'diagram.arc',
  3. y: 0,
  4. thickness: 0.05, // 节点高度,区间 (0, 1)
  5. weight: false, // 是否带权重,无权重为弧长链接图,带权重为和弦图
  6. marginRatio: 0.1, // 空隙比例,区间[0, 1)
  7. id: node => node.id, // 获取节点id
  8. source: edge => edge.source, // 获取边起始点id
  9. target: edge => edge.target, // 获取边结束点id
  10. sourceWeight: edge => edge.value, // 获取边起始点权重
  11. targetWeight: edge => edge.value1, // 获取边结束点权重
  12. sortBy: null, // 排序,可以按照id,权重('weight')或者边数量('frequency')排序,也可以自定排序函数
  13. });

注意!这个 Transform 做完之后,有两部分数据(顶点和边数据),G2 在使用是不能直接通过 chart.source(dv) 来导入数据,只能分别导入顶点和边集合,例如:

  1. const nodeView = chart.view();
  2. nodeView.source(dv.nodes);
  3. const edgeView = chart.view();
  4. edgeView.source(dv.edges);

diagram.sankey 桑基图

alias: sankey

具体用法见示例:

  1. dv.transform({
  2. type: 'diagram.sankey',
  3. value: node => node.value, // 权重
  4. source: edge => edge.source, // 边起点id
  5. target: edge => edge.target, // 边终点id
  6. nodeAlign: 'sankeyJustify', // sankeyLeft / sankeyRight / sankeyCenter
  7. nodeWidth: 0.02, // 节点宽,范围:(0, 1)
  8. nodePadding: 0.02, // 节点上下间距,范围:(0, 1)
  9. });

注意!这个 Transform 做完后同样需要注意上述 arc transform 一样的数据导入问题

diagram.voronoi

voronoi 图

alias: voronoi

具体用法见示例:

  1. dv.transform({
  2. type: 'diagram.voronoi',
  3. fields: [ 'field0', 'field1' ], // 对应坐标轴上的一个点
  4. extend: [ [ x0, y0 ], [ x1, y1 ] ], // 范围
  5. size: [ width, height ], // 范围
  6. as: [ 'x', 'y' ], // 每个点包围多边形的顶点集
  7. // x: [ x0, x1, x2, ... ], y: [ y0, y1, y2, ... ]
  8. })

Geo 地理数据相关

geo.projection 地理映射

具体用法见示例:

  1. dv.transform({
  2. type: 'geo.projection',
  3. projection: 'geoAiry', // 指定映射类型
  4. as: [ 'x', 'y', 'centroid_x', 'centroid_y' ], // x,y是对应多边形的顶点集
  5. // centroid_x是中心点的x坐标
  6. // centroid_y是中心点y坐标
  7. });

geo.centroid 由地名获取地理位置点

具体用法见示例:

  1. dv.transform({
  2. type: 'geo.centroid',
  3. field: 'name', // 标注地名的字段
  4. geoDataView: geoDataView, // 使用的geo数据来源,可以是DataView实例,也可以是DataView实例的name
  5. as: [ '_centroid_x', '_centroid_y' ], // _centroid_x是中心点的x坐标
  6. // _centroid_y是中心点y坐标
  7. });

geo.region 由地名获取地理位置区域

具体用法见示例:

  1. dv.transform({
  2. type: 'geo.region',
  3. field: 'name', // 标注地名的字段
  4. geoDataView: geoDataView, // 使用的geo数据来源,可以是DataView实例,也可以是DataView实例的name
  5. as: [ '_x', '_y' ], // 多边形的顶点集
  6. // _x: [ x0, x1, x2, ... ], _y: [ y0, y1, y2, ... ]
  7. });

其他

tag-cloud 词云布局

alias: word-cloud

具体用法见示例:

  1. dv.transform({
  2. type: 'tag-cloud',
  3. fields: [ 'text', 'value' ], // 参与标签云layout的字段集(前者为文本内容,后者为权重值)
  4. font: 'serif', // 标签字体
  5. size: [ 500, 500 ], // 画布size,[ width, height ]
  6. padding: 0,
  7. spiral: 'archimedean', // 标签螺旋排布规律函数 'archimedean' || 'rectangular' || {function}
  8. fontSize(d) { return d.value }, // 计算标签字体大小的回调函数,d为一行数据
  9. timeInterval: Infinity, // 最大迭代时间,默认为无限大
  10. imageMask: {Image}, // Image的实例,必须是 loaded 状态
  11. })

带图片形状的词云布局实例

  1. const imageMask = new Image()
  2. imageMask.crossOrigin = ''
  3. imageMask.src = 'https://zos.alipayobjects.com/rmsportal/EEFqYWuloqIHRnh.jpg'
  4. imageMask.onload = () => {
  5. dv.transform({
  6. type: 'tag-cloud',
  7. imageMask
  8. });
  9. };