玫瑰图
南丁格尔玫瑰图(coxcomb)是极坐标下的柱状图:一个分类一个扇形,扇形的面积或半径正比于它的数值。南丁格尔 那张著名的士兵死亡原因图就是它,直到今天它仍是风玫瑰图的标准画法。
SELECT kuva_render(to_json({
'title': 'Wind by direction',
'series': [{
'type': 'rose',
'slices': slices,
'show_values': true
}]
})) AS chart
FROM (
SELECT list({'label': direction, 'value': low_speed} ORDER BY direction) AS slices
FROM read_csv_auto('{{DFK_BASE_URL}}data/rose.tsv')
);
扇形默认从十二点方向开始、顺时针排布,顺序就是列表顺序。
方位角数据
风玫瑰图通常从原始观测起步 —— 一次观测一个罗盘方位角 —— 把它们数进各个扇区才是最枯燥的那步。把方位角和 想要的扇区数交出去,分箱交给 kuva:
SELECT kuva_render(to_json({
'title': 'Wind rose from raw bearings',
'series': [{
'type': 'rose',
'bearings': [10, 45, 90, 135, 180, 225, 270, 315, 355],
'bearings_bins': 8,
'compass_labels': true,
'color': '#4c72b0'
}]
})) AS chart;
每个方位角先折进 0–360°,再落进 bearings_bins 个等宽扇区之一,扇区的取值就是计数 —— 「每个方向来了多少次
观测」,全程不用写 GROUP BY。
堆叠模式
几个系列堆在同一个扇形里 —— 风玫瑰图天然就是这么画的:每个扇形是一个风向,每一段是一个风速档:
WITH d AS (SELECT * FROM read_csv_auto('{{DFK_BASE_URL}}data/rose.tsv'))
SELECT kuva_render(to_json({
'title': 'Wind rose',
'series': [{
'type': 'rose',
'labels': (SELECT list(direction ORDER BY direction) FROM d),
'series': [
{'name': 'low speed', 'values': (SELECT list(low_speed ORDER BY direction) FROM d)},
{'name': 'high speed', 'values': (SELECT list(high_speed ORDER BY direction) FROM d)}
],
'mode': 'stacked',
'legend': 'speed'
}]
})) AS chart;
分组模式
"mode": "grouped" 让每个系列在每个扇形里各占一小瓣,而不是堆起来。系列之间是「并列的选项」而不是「整体的
组成部分」时 —— 一个季度里的几个产品,而不是一个风向里的几个风速档 —— 就该用它。
WITH d AS (SELECT * FROM read_csv_auto('{{DFK_BASE_URL}}data/rose.tsv'))
SELECT kuva_render(to_json({
'title': 'Grouped rose',
'series': [{
'type': 'rose',
'labels': (SELECT list(direction ORDER BY direction) FROM d),
'series': [
{'name': 'low speed', 'values': (SELECT list(low_speed ORDER BY direction) FROM d)},
{'name': 'high speed', 'values': (SELECT list(high_speed ORDER BY direction) FROM d)}
],
'mode': 'grouped',
'legend': 'speed'
}]
})) AS chart;
半径的编码方式
encoding | 半径 |
|---|---|
"area" | 扇形的面积正比于数值(默认) |
"radius" | 扇形的半径正比于数值 |
面积才是感知上诚实的那个,这也正是默认值为什么不是那个「一眼看过去更自然」的:把数值编码进半径等于把它平方, 于是看起来大一倍的扇形,读出来的数值是四倍。
SELECT kuva_render(to_json({
'title': 'Radius encoding',
'series': [{
'type': 'rose',
'slices': slices,
'encoding': 'radius',
'show_values': true
}]
})) AS chart
FROM (
SELECT list({'label': direction, 'value': low_speed} ORDER BY direction) AS slices
FROM read_csv_auto('{{DFK_BASE_URL}}data/rose.tsv')
);
罗盘标签
compass_labels 按扇区数把扇形名换成基本方位与中间方位 —— 8 个扇区是 N, NE, E, …,4 个是 N, E, S, W。
扇区数不是 16 的约数时就退回度数标签,所以它不会失败,只是读起来没那么像罗盘。
SELECT kuva_render(to_json({
'title': 'Four sectors, four names',
'series': [{
'type': 'rose',
'bearings': [10, 45, 90, 135, 180, 225, 270, 315, 355],
'bearings_bins': 4,
'compass_labels': true,
'show_values': true
}]
})) AS chart;
内半径
inner_radius 是占外半径的比例(内部夹到 0–0.95),给了它就变成环形玫瑰图,中间那块留白可以放标题或者
一个总量。
SELECT kuva_render(to_json({
'title': 'Donut rose',
'series': [{
'type': 'rose',
'slices': slices,
'inner_radius': 0.3,
'show_values': true
}]
})) AS chart
FROM (
SELECT list({'label': direction, 'value': low_speed} ORDER BY direction) AS slices
FROM read_csv_auto('{{DFK_BASE_URL}}data/rose.tsv')
);
网格、辐条与标签
| 字段 | 默认 | 作用 |
|---|---|---|
show_grid | true | 同心网格环 |
grid_lines | 4 | 环的数量 |
show_spokes | true | 扇形边界上的辐射线 |
show_labels | true | 圆周上的分类标签 |
show_values | false | 扇形末端的数值标签 |
gap | 1 | 相邻扇形之间的角度间隙(度) |
start_angle | 0 | 第 0 个扇形从哪开始(从正北顺时针的度数) |
clockwise | true | 扇形的排布方向 |
字段
| 字段 | 类型 | 设置什么 |
|---|---|---|
slices | slice[] | 单系列写法:每个扇形 {label, value, color?}。 |
labels | string[] | 圆周上的扇形名。 |
series | series[] | 多系列写法:{name, values, color?};会取代 slices。 |
bearings | number[] | 原始罗盘方位角(0–360°),交给它分箱;会取代 slices / series。 |
bearings_bins | integer | 方位角分成几个扇区(与 bearings 成对)。 |
compass_labels | boolean | 把扇形名换成 N、NE、E…。 |
color | string | 没有单独指定颜色的扇形/系列用这个颜色。 |
encoding | string | "area"(默认)或 "radius"。 |
mode | string | "stacked"(默认)或 "grouped"。 |
inner_radius | number | 环形空心占外半径的比例。 |
gap | number | 扇形之间的角度间隙(度)。 |
start_angle | number | 起始角度(度)。 |
clockwise | boolean | 顺时针排布(默认开)。 |
show_grid / grid_lines | boolean / integer | 同心环。 |
show_spokes | boolean | 辐射状的边界线。 |
show_labels / show_values | boolean | 圆周名与末端数值。 |
legend | string | 图例标题;每个系列一条。 |
说明
slices、series、bearings是同一份数据的三种写法 —— 只能给一种。- 多系列模式下,每个系列都要按同样的顺序、每个标签一个值。
bearings必须配上bearings_bins;单独给bearings_bins会被拒,0个扇区也会被拒(分成 0 份画出来 是一张空图而不是报错,所以在这一层挡住)。compass_labels三种写法下都能用,并且会覆盖扇形名:它是由扇区数推出来的,所以labels与compass_labels同时给没有意义。encoding: "radius"会放大大扇形,这是它的设计,不是中立的。
另见
- kuva — 玫瑰图 —— 绘图库自己的图型参考。
- 极坐标图 —— 连续的极坐标数据,而不是柱子。
- 柱状图 —— 笛卡尔坐标系下的对应物。