d3.nest 详解

d3.nest可以分组数据

在进行数据分析时Grouping data是一个很重要的能力 .通常，我们需要将数据按照某个类别进行打散，并查找和统计每个组的具体细节。

D3 包括强大的d3.nest 功能，可以通过极小量的代码构造分组。

Nest 基础

用户来决定这个嵌套多少层。
跟很多GROUP_BY概念有点不同，其中只允许有嵌套一个级别。

例如，我们有如下的 CSV 格式文件 “expenses”:

name,amount,datejim,34.0,11/12/2015carl,120.11,11/12/2015jim,45.0,12/01/2015stacy,12.00,01/04/2016stacy,34.10,01/04/2016stacy,44.80,01/05/2016

转换为对象数组:

var expenses = [{"name":"jim","amount":34,"date":"11/12/2015"},  {"name":"carl","amount":120.11,"date":"11/12/2015"},  {"name":"jim","amount":45,"date":"12/01/2015"},  {"name":"stacy","amount":12.00,"date":"01/04/2016"},  {"name":"stacy","amount":34.10,"date":"01/04/2016"},  {"name":"stacy","amount":44.80,"date":"01/05/2016"}];

然后，由我们决定以什么样的方式将这些数据切片
我们首先以Name

var expensesByName = d3.nest()  .key(function(d) { return d.name; })  .entries(expenses);

用的D3.js

结果为：

expensesByName = [  {"key":"jim","values":[    {"name":"jim","amount":34,"date":"11/12/2015"},    {"name":"jim","amount":45,"date":"12/01/2015"}  ]},  {"key":"carl","values":[    {"name":"carl","amount":120.11,"date":"11/12/2015"}  ]},  {"key":"stacy","values":[    {"name":"stacy","amount":12.00,"date":"01/04/2016"},    {"name":"stacy","amount":34.10,"date":"01/04/2016"},    {"name":"stacy","amount":44.80,"date":"01/05/2016"}  ]}];

expensesByName 为一个对象数组. 用key function来组成value，每个对象都有一个key属性和value属性
这些entries的values属性是一个数组，是所有的原始数据对象。

概述Groups

嵌套的结构非常有利于可视化数据，特别是分析应用。

d3.rollup , 提供一个功能来获取每个组的values，并产生新的数值。这使得group功能非常灵活。

如下面的例子获取每个name的总数：

var expensesCount = d3.nest()  .key(function(d) { return d.name; })  .rollup(function(v) { return v.length; })  .entries(expenses);console.log(JSON.stringify(expensesCount));

=> [{"key":"jim","values":2},{"key":"carl","values":1},{"key":"stacy","values":3}]

用来的values值由rollup函数产生的值所所代替。 而name不变。

另外一个例子获取每个人的平均金额:

var expensesAvgAmount = d3.nest()  .key(function(d) { return d.name; })  .rollup(function(v) { return d3.mean(v, function(d) { return d.amount; }); })  .entries(expenses);console.log(JSON.stringify(expensesAvgAmount));

=> [{"key":"jim","values":39.5},{"key":"carl","values":120.11},{"key":"stacy","values":30.3}]

很棒吧？rollup中还可以使用多个操作：

var expenseMetrics = d3.nest()  .key(function(d) { return d.name; })  .rollup(function(v) { return {    count: v.length,    total: d3.sum(v, function(d) { return d.amount; }),    avg: d3.mean(v, function(d) { return d.amount; })  }; })  .entries(expenses);console.log(JSON.stringify(expenseMetrics));

=> [{"key":"jim","values":{"count":2,"total":79,"avg":39.5}}, {"key":"carl","values":{"count":1,"total":120.11,"avg":120.11}}, {"key":"stacy","values":{"count":3,"total":90.9,"avg":30.3}}]

输出Map

数组可以输出为Map的数据结果，或者使用forEach来处理迭代和合计任务。d3.nest可以返回一个对象（或者map），如下：

var expensesTotal = d3.nest()  .key(function(d) { return d.name; })  .rollup(function(v) { return d3.sum(v, function(d) { return d.amount; }); })  .map(expenses);console.log(JSON.stringify(expensesTotal));

=> {"jim":79,"carl":120.11,"stacy":90.9}

多级嵌套

nest还可以多级嵌套

可以进一步key操作，如下，每个人的花费总计，以及日期:

var expensesTotalByDay = d3.nest()  .key(function(d) { return d.name; })  .key(function(d) { return d.date; })  .rollup(function(v) { return d3.sum(v, function(d) { return d.amount; }); })  .map(expenses);console.log(JSON.stringify(expensesTotalByDay));

=> {"jim":{"11/12/2015":34,"12/01/2015":45}, "carl":{"11/12/2015":120.11}, "stacy":{"01/04/2016":46.1,"01/05/2016":44.8}}

rollup是应用在子分组中。
nest.key的先后顺序决定了分组的方式. 如果交换name和date:

var expensesTotalByDay = d3.nest()  .key(function(d) { return d.date; })  .key(function(d) { return d.name; })  .rollup(function(v) { return d3.sum(v, function(d) { return d.amount; }); })  .map(expenses);console.log(JSON.stringify(expensesTotalByDay));

=> {"11/12/2015":{"jim":34,"carl":120.11}, "12/01/2015":{"jim":45}, "01/04/2016":{"stacy":46.1}, "01/05/2016":{"stacy":44.8}}

衍生 Key Values

我们可以自己指定keyvalue，例如，我们想知道每年的总数，我们可以仅仅操作date，来获取年号:

var expensesByYear = d3.nest()  .key(function(d) { return d.date.split("/")[2]; })  .rollup(function(v) { return d3.sum(v, function(d) { return d.amount; }); })  .map(expenses);console.log(JSON.stringify(expensesByYear));

=> {"2015":199.11,"2016":90.9}