数据类型与度量

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

数据的类型可以按照两种分类方式：

1. 数据自然的分类

2. 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。

首先我们来看下面的这组数据：

[
  { 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。

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：

1. 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；

2. 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；

3. 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

(2)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：

  • 1，2，3，4，5

  • 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

G2 的度量类型

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：

linear

连续的数据类型的基类，包含以下特殊的属性

cat

分类类型度量的特殊属性

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' }
  ]
  const 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 }
  ]
  const 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：

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，参考 fecha

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：

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：

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。

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：

• 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：

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

不能整除：

const values= [ '第一周', '第二周', '第三周', '第四周', '第五周' ];
const 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
const 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: 10003, tickCount = 4，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：

const snapArray = [ 0, 2, 5, 10 ];
const min = 0;
const max = 10003;
const tickCount = 4;
const tickInterval = (max - min) / (tickCount - 1); // 3001;
const 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
const snapValue = snap(snapArray, tickInterval / factor, 'ceil'); // 向上逼近，逼近值5
const tickInterval = snapValue * factor;
const min = snapMultiple(tickInterval, min, 'floor'); // 向下取tickInterval的整数倍，0
const max = snapMultiple(tickInterval, max, 'ceil');  // 向上取tickInterval的整数倍，15000
const ticks = [];
for(let 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