Vega-Lite 数据分箱(Binning)技术详解

什么是数据分箱

数据分箱(Binning)是一种将连续数值离散化为若干个区间的数据处理技术。在数据可视化中，分箱常用于将连续数据转换为分类数据，最常见的应用场景就是创建直方图(Histogram)。

分箱的两种实现方式

Vega-Lite提供了两种实现数据分箱的方法：

1. 编码字段定义中的bin属性：直接在字段编码定义中设置bin参数
2. bin转换器：使用transform数组中的bin转换器

1. 编码字段定义中的分箱

这是最简单直接的分箱方式，只需在字段编码定义中添加bin属性即可：

{
  "encoding": {
    "x": {
      "bin": true,
      "field": "price",
      "type": "quantitative"
    }
  }
}

直方图示例

将分箱后的值与计数映射到条形标记(bar mark)上，就能生成直方图：

{
  "data": {"url": "data/movies.json"},
  "mark": "bar",
  "encoding": {
    "x": {
      "bin": true,
      "field": "IMDB_Rating"
    },
    "y": {
      "aggregate": "count"
    }
  }
}

使用序数尺度的直方图

默认情况下，分箱字段的类型是"quantitative"(定量)，但也可以设置为"ordinal"(序数)来生成使用序数尺度的直方图：

{
  "encoding": {
    "x": {
      "bin": true,
      "field": "IMDB_Rating",
      "type": "ordinal"
    }
  }
}

分箱颜色编码

分箱技术也可以用于离散化颜色标度：

{
  "encoding": {
    "color": {
      "bin": true,
      "field": "IMDB_Rating",
      "type": "quantitative"
    }
  }
}

Vega-Lite会自动创建带有范围标签的图例。

2. 使用bin转换器

bin转换器提供了更灵活的分箱方式，语法如下：

{
  "transform": [
    {
      "bin": true,
      "field": "IMDB_Rating",
      "as": "bin_IMDB_Rating"
    }
  ]
}

主要参数说明：

• bin: 分箱配置(布尔值或配置对象)
• field: 要分箱的字段名
• as: 输出字段名(可选，默认为"bin_fieldname")

转换器实现直方图示例

{
  "transform": [
    {
      "bin": true,
      "field": "IMDB_Rating",
      "as": "bin_IMDB_Rating"
    }
  ],
  "mark": "bar",
  "encoding": {
    "x": {
      "bin": {"binned": true},
      "field": "bin_IMDB_Rating",
      "type": "quantitative"
    },
    "x2": {"field": "bin_IMDB_Rating_end"},
    "y": {"aggregate": "count"}
  }
}

虽然这种方式比直接在编码中分箱更繁琐，但在需要对数据进行额外计算时非常有用。

分箱参数配置

当bin设置为true时，会使用默认分箱参数。要自定义分箱行为，可以传入配置对象：

{
  "bin": {
    "maxbins": 20,
    "step": 5,
    "extent": [0, 100],
    "nice": true
  }
}

主要配置参数：

参数	类型	描述
anchor	number	分箱的基准点
base	number	对数分箱的底数
divide	number[]	分箱划分点数组
extent	number[]	分箱范围[min, max]
maxbins	number	最大分箱数(默认10)
minstep	number	最小步长
nice	boolean	是否对齐到"nice"值
step	number	分箱步长
steps	number[]	分箱步长候选数组

自定义最大分箱数示例

{
  "encoding": {
    "x": {
      "bin": {"maxbins": 20},
      "field": "IMDB_Rating"
    }
  }
}

设置maxbins参数会改变输出的最大分箱数，实际分箱数可能更少，因为分箱会在"nice"值处对齐。

序数分箱

通常，分箱编码的类型应设置为定量(quantitative)，Vega-Lite会自动创建最适合表示分箱数据的坐标轴和图例。但如果需要对分箱进行排序或跳过空箱，可以设置为序数(ordinal)类型。

例如，下面的图表按计数对分箱值进行排序：

{
  "encoding": {
    "x": {
      "bin": true,
      "field": "IMDB_Rating",
      "type": "ordinal",
      "sort": {"field": "count", "order": "descending"}
    }
  }
}

总结

Vega-Lite的分箱功能强大而灵活，既支持简单的直方图生成，也能满足复杂的数据离散化需求。通过合理使用编码定义中的bin属性和bin转换器，可以创建出各种基于分箱的数据可视化效果。