这篇文章是《数据可视化实战》中的作者例子,我只不过是想重温下地理路径生成器的使用思路。
地理路径的格式有两种,geojson,topojson,topojson是d3作者mike自创的一种格式,并没有成为一种标准,这个例子是书中例子,格式是geojson形式的。
1.数据格式
数组中每个字典都代表了一个州的边界数据,
2.我们先看下代码
<script type="text/javascript">
var w = 500;
var h = 300;
//地理数据的格式是三维的,我们为了在二维平面上显示,所以需要有一个转换方式,将三维映射到二维screen上,这就是投影方式
//定义投影方式
var projection = d3.geo.albersUsa()
.translate([w/2, h/2])
.scale([500]);
//定义 geo generator,将投影方式作为路径生成器对象的属性
var path = d3.geo.path()
.projection(projection);
//svg画布
var svg = d3.select("body")
.append("svg")
.attr("width", w)
.attr("height", h);
//load data
d3.json("us-states.json", function(json) {
//bind the data
svg.selectAll("path")
.data(json.features)
.enter()
.append("path")
.attr("d", path)
.style("fill", "steelblue");
});
</script>
3.改进版
解释下,下边代码,在上边的代码中我们所有的颜色头填充为了steelblue,为了有所区分,作者又采用了每个州的生产力数据,通过地理位置的比较,将州生产力作为原来数据propoties下的value字段,将这个数字作为颜色映射输入,然后输出不同的颜色
黄色circle的大小,是州人口作为标准,是加载的另一个数据。
<script type="text/javascript">
//Width and height
var w = 500;
var h = 300;
//Define map projection
var projection = d3.geo.albersUsa()
.translate([w/2, h/2])
.scale([500]);
//Define path generator
var path = d3.geo.path()
.projection(projection);
//Define quantize scale to sort data values into buckets of color
//这是一个量化比例尺,将连续的定义域或者离散的定义域,输出位离散的值,相当于分类。
var color = d3.scale.quantize()
.range(["rgb(237,248,233)","rgb(186,228,179)","rgb(116,196,118)","rgb(49,163,84)","rgb(0,109,44)"]);
//Colors taken from colorbrewer.js, included in the D3 download
//Create SVG element
var svg = d3.select("body")
.append("svg")
.attr("width", w)
.attr("height", h);
//Load in agriculture data
d3.csv("us-ag-productivity-2004.csv", function(data) {
//Set input domain for color scale
color.domain([
d3.min(data, function(d) { return d.value; }),
d3.max(data, function(d) { return d.value; })
]);
//Load in GeoJSON data
d3.json("us-states.json", function(json) {
//Merge the ag. data and GeoJSON
//Loop through once for each ag. data value
for (var i = 0; i < data.length; i++) {
var dataState = data[i].state; //Grab state name
var dataValue = parseFloat(data[i].value); //Grab data value, and convert from string to float
//Find the corresponding state inside the GeoJSON
for (var j = 0; j < json.features.length; j++) {
var jsonState = json.features[j].properties.name;
if (dataState == jsonState) {
//Copy the data value into the JSON
json.features[j].properties.value = dataValue;
//Stop looking through the JSON
break;
}
}
}
//Bind data and create one path per GeoJSON feature
svg.selectAll("path")
.data(json.features)
.enter()
.append("path")
.attr("d", path)
.style("fill", function(d) {
//Get data value
var value = d.properties.value;
if (value) {
//If value exists…
return color(value);
} else {
//If value is undefined…
return "#ccc";
}
});
//Load in cities data
d3.csv("us-cities.csv", function(data) {
svg.selectAll("circle")
.data(data)
.enter()
.append("circle")
.attr("cx", function(d) {
return projection([d.lon, d.lat])[0];
})
.attr("cy", function(d) {
return projection([d.lon, d.lat])[1];
})
.attr("r", function(d) {
return Math.sqrt(parseInt(d.population) * 0.00004);
})
.style("fill", "yellow")
.style("opacity", 0.75);
});
});
});
</script>