比方说,我有一个价值100年的月度数据,总共1200个数据点,请参阅底部。
要绘制细小的总览折线图(例如,仅100个数据点),我必须通过分组手动进行。例如,按年份对数据进行分组,然后获得12个月的平均值,对每个组进行迭代,最后将数据点减少到100。
代替这种方法,是否有使用交叉过滤器或任何其他库的便捷方法?
[
{ date: 1900-01, value: 72000000000},
{ date: 1900-02, value: 58000000000},
{ date: 1900-03, value: 2900000000},
{ date: 1900-04, value: 31000000000},
{ date: 1900-05, value: 33000000000},
...
{ date: 1999-11, value: 30000000000},
{ date: 1999-12, value: 10000000000},
]
答案 0 :(得分:0)
假设您的问题仅与生成数据有关,则可以使用d3-nest(不使用交叉过滤器)对每年进行平均:
解析日期值,然后可以将日期格式化为年份以创建密钥。这会按键对值进行分组,然后使用函数汇总这些值以计算给定年份的平均值:
var parse = d3.timeParse("%Y-%m"); // takes: "1900-01"
var format = d3.timeFormat("%Y"); // gives: "1900"
var means = d3.nest()
.key(function(d) { return format(parse(d.date)); })
.rollup(function(values) { return d3.mean(values, function(d) {return d.value; }) })
.entries(data);
这为我们提供了以下结构:
[
{
"key": "1900",
"value": 39380000000
},
{
"key": "1999",
"value": 20000000000
}
]
var data = [
{ date: "1900-01", value: 72000000000},
{ date: "1900-02", value: 58000000000},
{ date: "1900-03", value: 2900000000},
{ date: "1900-04", value: 31000000000},
{ date: "1900-05", value: 33000000000},
{ date: "1999-11", value: 30000000000},
{ date: "1999-12", value: 10000000000},
];
var parse = d3.timeParse("%Y-%m");
var format = d3.timeFormat("%Y");
var means = d3.nest()
.key(function(d) { return format(parse(d.date)); })
.rollup(function(values) { return d3.mean(values, function(d) {return d.value; }) })
.entries(data);
console.log(means);
<script src="https://cdnjs.cloudflare.com/ajax/libs/d3/5.7.0/d3.min.js"></script>
答案 1 :(得分:0)
无论使用哪种库,它都是相同的算法,只是指定方法不同。在这种情况下,d3.nest可能是执行此操作的最简单方法,但是如果您想进行快速过滤,则交叉过滤器的方法还不错。
使用d3.nest和crossfilter的区别在于我们不是在构造一个值数组,而只是构造一个值。因此,我们将保持总和和计数。
我们还需要指定从bin中删除一行时会发生什么。
var parse = d3.timeParse("%Y-%m");
data.forEach(function(d) {
// it's best to convert fields before passing to crossfilter
// because crossfilter will look at them many times
d.date = parse(d.key);
});
var cf = crossfilter(data);
var yearDim = cf.dimension(d => d3.timeYear(d.date));
var yearAvgGroup = yearDim.group().reduce(
function(p, v) { // add
p.sum += v.value;
++p.count;
p.avg = p.sum/p.count;
return p;
},
function(p, v) { // remove
p.sum -= v.value;
--p.count;
p.avg = p.count ? p.sum/p.count : 0;
return p;
},
function() { // init
return {sum: 0, count: 0, avg: 0};
}
);
现在yearAvgGroup.all()
将返回一个键/值对数组,其中键是年份,并且值包含sum
,count
和avg
。 / p>
Crossfilter并没有特别方便解决此问题,但是reductio为此提供了一个辅助功能:
var yearAvgGroup = yearDim.group();
reductio().avg(d => d.value);
注意:除非您有大量数据,这无关紧要,但是只计算组中的总和和计数,并在需要时计算平均值会更有效。
如果您使用的是dc.js,则可以使用valueAccessor
:
// remove avg lines from the above, and
chart.dimension(yearDim)
.group(yearAvgGroup)
.valueAccessor(kv => kv.value.sum / kv.value.count);