平行坐标
平行坐标给每一列一根自己的垂直轴,每个观测画成一条穿过所有轴的折线。模式相近的观测会聚成走向一致的线束; 有差异的分组则会明显叉开。它是探索高维数据、跨多个测量指标比较分组、看清哪些维度最能分开分组的紧凑办法。
SELECT kuva_render(to_json({
'title': 'Iris dataset',
'series': [{
'type': 'parallel',
'axis_names': ['sepal_length', 'sepal_width', 'petal_length', 'petal_width'],
'rows': rows,
'show_axis_ticks': true,
'axis_ticks': 4,
'legend': 'species'
}]
})) AS chart
FROM (
SELECT list({
'values': [sepal_length, sepal_width, petal_length, petal_width],
'group': species
}) AS rows
FROM read_csv_auto('{{DFK_BASE_URL}}data/parallel.tsv')
);
每根轴默认各自归一到 [0, 1],所以量纲差得很远的列也还能放在一起比。所有轴本来就是同一个单位时,用
"normalize": false 关掉。
平滑曲线
curved 用 S 形贝塞尔曲线代替直线段,线一密就没那么糊。
SELECT kuva_render(to_json({
'title': 'Curved polylines',
'series': [{
'type': 'parallel',
'axis_names': ['sepal_length', 'sepal_width', 'petal_length', 'petal_width'],
'rows': rows,
'curved': true,
'opacity': 0.7,
'legend': 'species'
}]
})) AS chart
FROM (
SELECT list({
'values': [sepal_length, sepal_width, petal_length, petal_width],
'group': species
}) AS rows
FROM read_csv_auto('{{DFK_BASE_URL}}data/parallel.tsv')
);
分组均值线
show_mean 在每根轴上按分组均值画一条粗折线。线挤成一片时,靠它才能看清分组层面的走势。
SELECT kuva_render(to_json({
'title': 'Group means',
'series': [{
'type': 'parallel',
'axis_names': ['sepal_length', 'sepal_width', 'petal_length', 'petal_width'],
'rows': rows,
'curved': true,
'opacity': 0.3,
'show_mean': true,
'mean_stroke_width': 3,
'legend': 'species'
}]
})) AS chart
FROM (
SELECT list({
'values': [sepal_length, sepal_width, petal_length, petal_width],
'group': species
}) AS rows
FROM read_csv_auto('{{DFK_BASE_URL}}data/parallel.tsv')
);
轴反转
有些轴天生「越小越好」—— p 值、错误率、延迟。inverted_axes 给出要翻转的轴下标,这样大值就落在轴的下端。
轴标签下面会有个小三角,标出这根轴是反的。
SELECT kuva_render(to_json({
'title': 'Most-changed genes',
'series': [{
'type': 'parallel',
'axis_names': ['basemean', 'log2fc', 'pvalue'],
'rows': rows,
'inverted_axes': [2],
'show_mean': true,
'opacity': 0.4,
'legend': 'chr'
}]
})) AS chart
FROM (
SELECT list({'values': [basemean, log2fc, pvalue], 'group': chr}) AS rows
FROM (
SELECT basemean, log2fc, pvalue, chr
FROM read_csv_auto('{{DFK_BASE_URL}}data/gene_stats.tsv')
ORDER BY abs(log2fc) DESC
LIMIT 150
)
);
这里把 pvalue 那根轴翻了过来,于是「显著」的基因落在该轴的下端,而它们的 log2fc 落在两端。
字段
| 字段 | 类型 | 设置什么 |
|---|---|---|
axis_names | string[] | 必填。 每根轴一个名字;至少 2 个。 |
rows | row[] | 必填。 每个观测一项,每项是 {values, group?}。 |
normalize | boolean | 每根轴各自缩放到 0–1(默认开)。 |
curved | boolean | 用贝塞尔曲线连接,而不是直线段。 |
stroke_width | number | 线宽。 |
opacity | number | 线的透明度。 |
color | string | 行没有分组时的回退色。 |
group_colors | string[] | 逐分组颜色。 |
show_axis_ticks | boolean | 在轴上画刻度线。 |
axis_ticks | number | 每根轴的刻度数。 |
show_mean | boolean | 每个分组画一条均值线。 |
mean_stroke_width | number | 均值线的线宽。 |
inverted_axes | integer[] | 要翻转的轴下标(大值放下面)。 |
show_axis_bands | boolean | 在每根轴后面画一条灰带。 |
legend | string | 图例标题(也就是分组名)。 |
说明
- 至少 2 个轴名,且每一行的
values必须正好每个轴一个值 —— 对不上是报错,而不是悄悄丢掉那一行。 inverted_axes的下标会按轴数做检查。rows不能为空。
另见
- kuva — 平行坐标 —— 绘图库自己的图型参考。
- 雷达图 —— 同一套多变量思路,换成环形布局。
- 坡度图 —— 更简单的两点对比。