Transform 数据转换

阅读时间约 21 分钟

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:

dv.transform({
  type: connectorName,
  ...otherOptions
});

举个例子:

const testCSV = `Expt,Run,Speed
 1,1,850
 1,2,740
 1,3,900
 1,4,1070`;

const dv = new DataSet.View().source(testCSV, {
  type: 'csv'
});
console.log(dv.rows);
/*
 * dv.rows:
 * [
 *   {Expt: " 1", Run: "1", Speed: "850"}
 *   {Expt: " 1", Run: "2", Speed: "740"}
 *   {Expt: " 1", Run: "3", Speed: "900"}
 *   {Expt: " 1", Run: "4", Speed: "1070"}
 * ]
 */

dv.transform({
  type: 'filter',
  callback(row) {
    return row.Run !== "1";
  }
});
console.log(dv.rows);
/*
 * dv.rows:
 * [
 *   {Expt: " 1", Run: "2", Speed: "740"}
 *   {Expt: " 1", Run: "3", Speed: "900"}
 *   {Expt: " 1", Run: "4", Speed: "1070"}
 * ]
 */

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:

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

map 数据加工

具体用法见示例:

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

pick 字段过滤

具体用法见示例:

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

rename 字段重命名

alias: rename-fields

具体用法见示例:

dv.transform({
  type: 'rename',
  map: {
    xxx: 'yyy' // row.xxx 会被替换成 row.yyy
  }
});

reverse 逆序排列

具体用法见示例:

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

sort 数据排序

具体用法见示例:

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

sort-by 按字段排序

alias: sortBy

具体用法见示例:

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

subset 获取子集

具体用法见示例:

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

partition 数据分组

alias: group | groups

具体用法见示例:

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

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

const data = [
  { a: 0, b: 0 },
  { a: 0, b: 1 },
  { a: 0, b: 2 },
  { a: 1, b: 1 },
  { a: 1, b: 2 },
  { a: 1, b: 3 },
  { a: 2, b: 0 }
];
const dv = new DataSet.View().source(data)
  .transform({
    type: 'fill-rows',
    groupBy: [ 'a' ],
    orderBy: [ 'b' ],
    fillBy: 'group' // 默认为 group,可选值:order
  });
console.log(dv.rows);
/*
 * dv.rows 变为:
 * [
 *   { 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
 *   { a: 0, b: 1 },
 *   { a: 0, b: 2 },
 *   { 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
 *   { a: 1, b: 2 },
 *   { a: 1, b: 3 },
 *   { a: 2, b: 0 }, // 分组3 缺省数据,根据基准组进行数据补全
 *   { a: 2, b: 1 }, // 这行数据被补充
 *   { a: 2, b: 2 }, // 这行数据被补充
 * ]
 */

fillBy: order

// 使用和上例同样的数据
const dv = new DataSet.View().source(data)
  .transform({
    type: 'fill-rows',
    groupBy: [ 'a' ],
    orderBy: [ 'b' ],
    fillBy: 'order' // 默认为 group,可选值:order
  });
console.log(dv.rows);
/*
 * dv.rows 变为:
 * [
 *   { a: 0, b: 0 }, // 分组1
 *   { a: 0, b: 1 },
 *   { a: 0, b: 2 },
 *   { 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
 *   { 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
 *   { a: 1, b: 1 },
 *   { a: 1, b: 2 },
 *   { a: 1, b: 3 },
 *   { a: 2, b: 0 }, // 分组3 缺省数据,根据基准组进行数据补全
 *   { a: 2, b: 1 }, // 这行数据被补充
 *   { a: 2, b: 2 }, // 这行数据被补充
 *   { a: 2, b: 3 }, // 这行数据被补充
 * ]
 */

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:

const data = [
  { x: 0, y: 1 },
  { x: 0, y: 2 },
  { x: 0, y: 3 },
  { x: 0 },
  { x: 1, y: 5 },
  { x: 1, y: 6 },
  { x: 1, y: 7 },
  { x: 1 },
  { x: 1, y: 9 },
  { x: 2 }
];
const dv = new DataSet.View().source(data)
  .transform({
    type: 'impute',
    field: 'y',       // 待补全字段
    groupBy: [ 'x' ], // 分组字段集(传空则不分组)
    method: 'max'     // 补全字段值时执行的规则
  });
/*
 dv.rows 变为
[
  { x: 0, y: 1 },
  { x: 0, y: 2 },
  { x: 0, y: 3 },
  { x: 0, y: 3 },
  { x: 1, y: 5 },
  { x: 1, y: 6 },
  { x: 1, y: 7 },
  { x: 1, y: 7 },
  { x: 1, y: 9 },
  { x: 2, y: 9 }
]
 */

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

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

fold 字段展开

以指定字段集为 key,展开数据。

具体用法见示例:

const data = [
  { country: "USA", gold: 10, silver: 20 },
  { country: "Canada", gold: 7, silver: 26 }
];
const dv = ds.createView()
  .source(data)
  .transform({
    type: 'fold',
    fields: [ 'gold', 'silver' ], // 展开字段集
    key: 'key',                   // key字段
    value: 'value',               // value字段
    retains: [ 'country' ]        // 保留字段集,默认为除 fields 以外的所有字段
  });
/*
 dv.rows 变为
[
  { key: gold, value: 10, country: "USA" },
  { key: silver, value: 20, country: "USA" },
  { key: gold, value: 7, country: "Canada" },
  { key: silver, value: 26, country: "Canada" }
]
 */

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:

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

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:

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

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:

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

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:

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

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:

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

bin.quantile 分位值分箱

单字段

具体用法见示例:

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

bin.hexagon 六边形分箱

双字段

alias: bin.hex | hexbin

具体用法见示例:

dv.transform({
  type: 'bin.hexagon',
  fields: [ 'a', 'b' ],      // 对应坐标轴上的一个点
  bins: [ 30, 30 ],          // 两个方向上的分箱个数
  binWidth: [ 10, 1000 ],    // 两个方向上的分箱步长(会覆盖bins的配置)
  offset: [ 0, 0 ],          // 两个方向上的分箱偏移量
  sizeByCount: false,        // 是否根据分箱个数调整分箱大小(六边形的半径)
  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
                               // x: [ x0, x1, x2, x3, x4, x5 ], y: [ y0, y1, y2, y3, y4, y5 ]
                               // count: Number
});
/*
 * 顶点顺序:
 *      3
 * 4          2
 *
 * 5          1
 *      0
 */

bin.rectangle 矩形分箱

双字段

alias: bin.rect

具体用法见示例:

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

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:

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

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:

dv.transform({
  type: 'kernel-smooth.density',
  fields: [ 'x', 'y' ],                            // 必填
  method: 'gaussian',                              // 采用的核函数类型。也可以指定为自定义的函数
  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
  bandwidth: 0.4,                                  // 步长,默认采用 silverman 的算法计算
  as: [ 'x', 'y' ],                                // 结果字段,单字段时,y 为 x 值对应的概率
});

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:

dv.transform({
  type: 'hierarchy.treemap',
  field: 'value',
  tile: 'treemapSquarify',     // 布局类型
  size: [ 1, 1 ],              // width, height
  round: false,
  // ratio: 1.618033988749895, // golden ratio
  padding: 0,                  // 各种 padding 配置
  paddingInner: 0,
  paddingOuter: 0,
  paddingTop: 0,
  paddingRight: 0,
  paddingBottom: 0,
  paddingLeft: 0,
  as: [ 'x', 'y' ]             // 矩形的顶点集
                               // x: [ x0, x1, x2, x3 ], y: [ y0, y1, y2, y3 ]
});

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:

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

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:

dv.transform({
  type: 'diagram.arc',
  y: 0,
  thickness: 0.05,                   // 节点高度,区间 (0, 1)
  weight: false,                     // 是否带权重,无权重为弧长链接图,带权重为和弦图
  marginRatio: 0.1,                  // 空隙比例,区间[0, 1)
  id: node => node.id,               // 获取节点id
  source: edge => edge.source,       // 获取边起始点id
  target: edge => edge.target,       // 获取边结束点id
  sourceWeight: edge => edge.value,  // 获取边起始点权重
  targetWeight: edge => edge.value1, // 获取边结束点权重
  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
});

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:

const nodeView = chart.view();
nodeView.source(dv.nodes);

const edgeView = chart.view();
edgeView.source(dv.edges);

diagram.sankey 桑基图

alias: sankey

具体用法见示例:

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

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:

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

Geo 地理数据相关

geo.projection 地理映射

具体用法见示例:

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

geo.centroid 由地名获取地理位置点

具体用法见示例:

dv.transform({
  type: 'geo.centroid',
  field: 'name',                        // 标注地名的字段
  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
  as: [ '_centroid_x', '_centroid_y' ], // _centroid_x是中心点的x坐标
                                        // _centroid_y是中心点y坐标
});

geo.region 由地名获取地理位置区域

具体用法见示例:

dv.transform({
  type: 'geo.region',
  field: 'name',            // 标注地名的字段
  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
  as: [ '_x', '_y' ],       // 多边形的顶点集
                            // _x: [ x0, x1, x2, ... ], _y: [ y0, y1, y2, ... ]
});

其他

tag-cloud 词云布局

alias: word-cloud

具体用法见示例:

dv.transform({
  type: 'tag-cloud',
  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)
  font: 'serif',                  // 标签字体
  size: [ 500, 500 ],             // 画布size,[ width, height ]
  padding: 0,
  spiral: 'archimedean',          // 标签螺旋排布规律函数 'archimedean' || 'rectangular' || {function}
  fontSize(d) { return d.value }, // 计算标签字体大小的回调函数,d为一行数据
  timeInterval: Infinity,         // 最大迭代时间,默认为无限大
  imageMask: {Image},             // Image的实例,必须是 loaded 状态
})

带图片形状的词云布局实例

const imageMask = new Image()
imageMask.crossOrigin = ''
imageMask.src = 'https://zos.alipayobjects.com/rmsportal/EEFqYWuloqIHRnh.jpg'
imageMask.onload = () => {
  dv.transform({
    type: 'tag-cloud',
    imageMask
  });
};