quantize

查看 Markdown编辑此页

概述

quantize 是一种离散化比例尺，它将连续的数据域（domain）划分为若干个等宽的区间，并将这些区间映射到离散的值域（range）中。它属于分段比例尺的一种，主要用于将连续数据离散化处理。

与 threshold 比例尺类似，quantize 也是将连续数据映射为离散值，但不同的是：

threshold 比例尺需要手动指定分割点（阈值）
quantize 比例尺会根据数据域和值域的数量自动计算等宽的区间

与 quantile 比例尺的区别在于：

quantile 比例尺基于数据分布的分位数进行分段，确保每个区间包含相同数量的数据点
quantize 比例尺基于数据值的范围进行等宽分段，不考虑数据分布

映射原理

quantize 比例尺的工作原理是：

将数据域 [min, max] 等分为 n 个区间，其中 n 是值域数组的长度
对于输入值 x，确定它落在哪个区间内
返回该区间对应的值域元素

例如，对于数据域 [0, 100] 和值域 [‘小’, ‘中’, ‘大’]：

输入值 0-33.33 映射为 ‘小’
输入值 33.33-66.67 映射为 ‘中’
输入值 66.67-100 映射为 ‘大’

使用场景

quantize 比例尺适用于以下场景：

需要将连续数据（如温度、收入、评分）分组为有限的几个类别
创建热力图、等值线图等需要将数值数据映射为离散颜色的可视化
数据分布相对均匀，适合等宽分段的情况

开始使用

chart.options({
  type: 'cell',
  data: salaryData,
  encode: {
    color: 'salary',
  },
  scale: {
    color: {
      type: 'quantize',
      range: ['#eee', 'pink', 'red'], // 将数据分为三组，每组对应一种颜色
    },
  },
});

配置项

quantize 比例尺主要负责将连续的数据域映射到离散的值域。以下是 quantize 比例尺的配置选项：

属性	描述	类型	默认值	必选
type	比例尺类型，需为 ‘quantize’	`string`	无	✓
domain	设置数据的定义域范围	`number[]`	`[0, 1]`
range	设置数据映射的值域范围	`any[]`	`[0.5]`
unknown	对于 `undefined`， `NaN`，`null` 空值，返回的数据	`any`	`undefined`
tickCount	设置推荐的 tick 生成数量，tickCount 只是建议值，不会完全按照这个值产生 tick	`number`	`5`
tickMethod	设置生成 tick 的方法，常用于自定义 tick	`(min: number, max: number, count: number) => number[]`	`wilkinson-extended`
nice	扩展 domain 范围，让输出的 tick 展示得更加友好	`boolean`	`false`

常见用例

1. 基础热力图示例

下面是一个使用 quantize 比例尺创建热力图的示例，将薪资数据按照数值大小分为三个等宽区间，并映射为不同的颜色：

import { Chart } from '@antv/g2';

// 创建一个容器元素
const container = document.createElement('div');

const chart = new Chart({
  container: 'container',
  container,
  height: 340,
});

chart.options({
  type: 'cell',
  data: {
    type: 'fetch',
    value:
      'https://gw.alipayobjects.com/os/bmw-prod/89c20fe8-0c6f-46c8-b36b-4cb653dba8ed.json',
    transform: [{ type: 'map', callback: (d) => ({ salary: d }) }],
  },
  scale: {
    color: {
      type: 'quantize',
      range: ['#eee', 'pink', 'red'], // 将数据分为三组，对应三种颜色
    },
  },
  legend: {
    color: {
      length: 400,
      labelFormatter: '.0s', // 格式化图例标签，使用缩写形式（如 10K 代替 10000）
    },
  },
  encode: {
    y: (_, i) => (i % 5) + 1, // 设置单元格的行位置
    x: (_, i) => ((i / 5) | 0) + 1, // 设置单元格的列位置
    color: 'salary', // 将薪资数据映射到颜色通道
  },
  style: {
    stroke: '#000', // 设置单元格边框颜色
    inset: 2, // 设置单元格内边距
  },
  animate: {
    enter: { type: 'fadeIn' }, // 添加淡入动画效果
  },
});

chart.render();

效果说明

在上面的示例中：

我们创建了一个 cell 图表（类似于热力图）
使用 quantize 比例尺将薪资数据（连续数值）映射到三种颜色
比例尺会自动将数据范围分为三个等宽区间，每个区间对应一种颜色
图例使用了 .0s 格式化器，将大数字显示为更易读的形式（如 10K）

与其他比例尺的对比

比例尺类型	数据类型	分段方式	适用场景
quantize	连续数值	等宽分段	数据分布均匀，需要按数值范围分组
quantile	连续数值	等频分段	数据分布不均，需要每组数据量相等
threshold	连续数值	自定义阈值	需要按特定阈值分组（如及格线）

2. quantize 与 quantile 对比示例

下面的示例展示了 quantize 和 quantile 比例尺在处理偏斜数据时的区别：

import * as G2 from '@antv/g2';

const { Chart } = G2;
const chart = new Chart({
  container: 'container',
});
const container = chart.getContainer();
// 创建一个偏斜分布的数据集，使用整数值
const generateSkewedData = () => {
  const data = [];
  // 大部分数据集中在低值区域
  for (let i = 0; i < 60; i++) {
    // 使用整数值，避免小数点导致的重叠
    data.push({
      value: Math.floor(5 + Math.random() * 25),
      type: '偏斜数据',
    });
  }
  // 少量数据分布在高值区域，更加分散
  for (let i = 0; i < 15; i++) {
    data.push({
      value: Math.floor(60 + Math.random() * 20),
      type: '偏斜数据',
    });
  }
  // 添加一些中间值，使分布更加明显
  for (let i = 0; i < 10; i++) {
    data.push({
      value: Math.floor(40 + Math.random() * 15),
      type: '偏斜数据',
    });
  }
  return data;
};

const data = generateSkewedData();

// 创建两个图表进行对比
container.style.display = 'flex';
container.style.flexDirection = 'column';
container.style.gap = '40px'; // 增加间距
container.style.width = '100%';
container.style.maxWidth = '800px';
container.style.margin = '0 auto'; // 居中显示

// 添加标题
const title = document.createElement('h3');
title.textContent = 'quantize 与 quantile 比例尺对比';
title.style.textAlign = 'center';
title.style.marginBottom = '10px';
container.appendChild(title);

// quantize 比例尺图表
const chart1Container = document.createElement('div');
chart1Container.style.width = '100%';
chart1Container.style.height = '220px'; // 增加高度
container.appendChild(chart1Container);

const chart1 = new G2.Chart({
  container: chart1Container,
  height: 220,
  autoFit: true, // 自动适应容器大小
  padding: [50, 100, 70, 100], // 增加内边距，给标签留出更多空间
});

const encode = {
  x: 'value',
  y: 'type',
  color: 'value',
  shape: 'circle',
  size: 8,
};

const valueScale = {
  nice: true,
  tickCount: 5, // 减少刻度数量
  formatter: '.0f', // 使用G2内置的格式化器显示整数
};

const legend = {
  color: {
    position: 'top',
    length: 200, // 设置图例长度
    labelFormatter: '.0f', // 使用G2内置的格式化器显示整数
  },
};

const axis = {
  y: false,
  x: {
    labelSpacing: 10, // 增加标签间距
    labelFormatter: '.0f', // 使用G2内置的格式化器显示整数
    tickCount: 5, // 减少刻度数量
  },
};

chart1.options({
  type: 'point',
  data,
  title: {
    text: 'quantize 比例尺（等宽分段）',
    style: {
      fontSize: 14,
      fontWeight: 'bold',
    },
  },
  scale: {
    color: {
      type: 'quantize',
      range: ['#e8f4f8', '#a8d5e5', '#4ba3c3', '#0a6c93'], // 4个颜色分段
    },
    value: valueScale,
  },
  encode,
  style: {
    fillOpacity: 0.8,
    stroke: '#fff',
    lineWidth: 1,
  },
  legend,
  axis,
});

chart1.render();

// quantile 比例尺图表
const chart2Container = document.createElement('div');
chart2Container.style.width = '100%';
chart2Container.style.height = '220px'; // 增加高度
container.appendChild(chart2Container);

const chart2 = new G2.Chart({
  container: 'container',
  container: chart2Container,
  height: 220,
  autoFit: true, // 自动适应容器大小
  padding: [50, 100, 70, 100], // 增加内边距，给标签留出更多空间
});

chart2.options({
  type: 'point',
  data,
  title: {
    text: 'quantile 比例尺（等频分段）',
    style: {
      fontSize: 14,
      fontWeight: 'bold',
    },
  },
  scale: {
    color: {
      type: 'quantile',
      range: ['#e8f4f8', '#a8d5e5', '#4ba3c3', '#0a6c93'], // 4个颜色分段
    },
    value: valueScale,
  },
  encode,
  style: {
    fillOpacity: 0.8,
    stroke: '#fff',
    lineWidth: 1,
  },
  legend,
  axis,
});

chart2.render();

在上面的对比示例中：

我们创建了一个偏斜分布的数据集，大部分数据集中在低值区域，少量数据分布在高值区域
使用 quantize 比例尺（等宽分段）时，数据被按照值的范围均匀分段，导致某些颜色区间内的点很少
使用 quantile 比例尺（等频分段）时，每个颜色区间包含相同数量的数据点，更好地展示了数据分布

3. 自定义分段示例

下面是一个更复杂的示例，展示如何使用 quantize 比例尺创建多个分段，并自定义数据域：

import { Chart } from '@antv/g2';

// 创建一个容器元素
const container = document.createElement('div');

const chart = new Chart({
  container: 'container',
  container,
  height: 300,
});

// 生成测试数据
const data = Array.from({ length: 100 }, (_, i) => ({
  value: Math.random() * 100,
  id: i + 1,
}));

chart.options({
  type: 'point',
  data,
  scale: {
    color: {
      type: 'quantize',
      domain: [0, 100], // 自定义数据域
      range: [
        '#e8f4f8',
        '#d1e6f0',
        '#a8d5e5',
        '#7ec2da',
        '#4ba3c3',
        '#2385ab',
        '#0a6c93',
      ], // 7个颜色对应6个等宽区间
    },
    y: {
      nice: true,
    },
  },
  encode: {
    x: 'id',
    y: 'value',
    color: 'value', // 将值映射到颜色通道
    shape: 'circle',
    size: 10,
  },
  style: {
    fillOpacity: 0.8,
    stroke: '#fff',
    lineWidth: 1,
  },
  legend: {
    color: {
      length: 300,
      labelFormatter: '.0f', // 格式化图例标签为整数
    },
  },
  axis: {
    y: {
      title: '数值',
    },
    x: {
      title: 'ID',
    },
  },
});

chart.render();

完整示例

以下是一个使用 G2 声明式语法（G2Spec）配置 quantize 比例尺的完整示例：

const spec = {
  type: 'cell',
  width: 900,
  height: 300,
  data: {
    type: 'fetch',
    value:
      'https://gw.alipayobjects.com/os/bmw-prod/89c20fe8-0c6f-46c8-b36b-4cb653dba8ed.json',
    transform: [{ type: 'map', callback: (d) => ({ salary: d }) }],
  },
  scale: {
    color: {
      type: 'quantize',
      range: ['#eeeeee', '#ffc3ce', '#ff0d0d'], // 定义三个颜色区间
    },
  },
  legend: {
    color: {
      labelFormatter: '.0s', // 格式化图例标签
    },
  },
  encode: {
    y: (_, i) => (i % 5) + 1,
    x: (_, i) => ((i / 5) | 0) + 1,
    color: 'salary', // 将薪资数据映射到颜色通道
  },
  style: {
    stroke: '#000',
    inset: 2,
  },
};

// 创建一个容器元素
const container = document.createElement('div');

// 使用 Chart 渲染
const chart = new G2.Chart(container);
chart.options(spec);
chart.render();

这个示例展示了如何使用 G2 声明式语法创建一个使用 quantize 比例尺的热力图，包括以下特性：

使用 quantize 比例尺将连续的薪资数据映射到三个离散的颜色区间
自定义图例格式化，使用缩写形式（如 10K 代替 10000）显示数值
使用函数计算单元格的行列位置，创建网格布局
设置单元格边框和内边距，提高可读性

注意事项

使用 quantize 比例尺时需要注意以下几点：

分段边界计算：分段边界由数据域的最小值、最大值和值域数组的长度决定。例如，对于数据域 [0, 100] 和值域长度为 3，边界点为 33.33 和 66.67。
比例尺选择：如果希望按数值范围均匀分段，选择 quantize；如果希望每个分段包含相同数量的数据点，选择 quantile。
数据域设置：可以通过设置 domain 属性来自定义数据域，例如 domain: [0, 100]。如果不设置，G2 会根据数据自动计算合适的数据域。
数据分布考虑：quantize 比例尺适合处理分布相对均匀的连续数值数据。如果数据分布非常不均匀（如长尾分布），可能更适合使用 quantile 比例尺。
友好刻度：nice 参数设置为 true 时，会扩展数据域的范围，使其边界值更加“友好”（通常是整数或易于理解的数值），这有助于生成更易读的刻度和图例标签。