3.1 KiB
Scale 简介
Scale 度量是将地图数据值（数字、日期、类别等数据）转成视觉值（颜色、大小、形状）。尺度 Scale 是数据可视化的基本组成部分，因为它们决定了视觉编码的性质。 L7 目前支持连续、离散、枚举类型数据的Scale，并支持位置、形状、大小和颜色编码的映射。
Range 和 domain 是 Scale 中非常重要的两个参数
- domain: 地图数据值的定义区间
- range：视觉值的区间定义
不同Scale 的差异在于 domain->range 的转换方法的不同
| 数据类型 | 度量类型 |
|---|---|
| 连续 | linear、log、pow、time、quantize、quantile |
| 分类 | cat、timeCat |
| 常量 | identity |
在使用 L7 开发过程中默认情况下不需要进行度量的配置，因为 G2 代码内部已经根据数据的形式对度量进行了假设，其计算过程如下：
查看用户是否制定了对应字段的数据类型 （type)
如果没有，判断字段的第一条数据的字段类型
如果数据中不存在对应的字段，则为 'identity' 如果是数字则为 'linear'； 如果是字符串，判定是否是时间格式，如果是时间格式则为时间类型 'time', 否则是分类类型 'cat'
Cat
Cat 指枚举类型，用于展示分类数据，比如农作物种植区分布图，水稻、玉米、大豆等不同类别需要映射为不同的颜色。
比如
domain = ['corn','rice',soybean']
range = ['red','white','blue']
三种作物会分别转成对应的颜色
identify
常量度量 某个字段是不变的常量。
Linear
线性是连续数据的映射方法，数据和视觉值是通过线性方法换算的。如数据值 1-100 线性映射到红到蓝的线下渐变色每个数字对应一个颜色
Sequential
quantize
相等间隔会将属性值的范围划分为若干个大小相等的子范围。相等间隔最适用于常见的数据范围，如百分比和温度。这种方法强调的是某个属性值相对于其他值的量
quantile
每个类都含有相等数量的要素。分位数分类非常适用于呈线性分布的数据。分位数为每个类分配数量相等的数据值。不存在空类，也不存在值过多或过少的类。 由于使用“分位数”分类将要素以同等数量分组到每个类中，因此得到的地图往往具有误导性。可能会将相似的要素置于相邻的类中，或将值差异较大的要素置于相同类中。可通过增加类的数量将这种失真降至最低。
threshold
他允许将域的任意子集（非统一段）映射到范围内的离散值。输入域仍然是连续的，并根据提供给域属性的一组阈值划分为多个切片。 range 属性必须有 N+1 个元素，其中 N 是域中提供的阈值边界数
手动设置间隔 Manual interval 手动设置分级分类区间，某些数据会有相应的业界标准，或者需要进行某种特殊的显示。如空气质量数据有严格数据分段标准
-1 => "red"
0 => "white"
0.5 => "white"
1.0 => "blue"
1000 => "blue