元素 // 以便鼠标 hover 在相应的各系列的面积之上时，可以显示 tooltip 提示信息 .append("title") // 设置 tooltip 的文本内容，采用所绑定数据的属性 key，表示当前所遍历的系列名称 .text(({key}) => key); /** * * 绘制面积图内的各系列（堆叠形状）之间的分隔线（上边界线） * */ // 创建一个容器 svg.append("g") // 只需要路径的描边作为折线，不需要填充，所以属性 fill 设置为 none .attr("fill", "none") .attr("stroke-width", 0.75) // 描边的宽度 // 使用路径 <path> 元素绘制折线 .selectAll("path") // 返回一个选择集，其中虚拟/占位元素是一系列的 <path> 路径元素，用于绘制各系列的边界线 .data(series) // 绑定数据，每个路径元素 <path> 对应一个系列数据 .join("path") // 将元素绘制到页面上 // 设置描边颜色 // 基于原来系列的填充色，采用一个更深的颜色 // 首先通过映射 regionByState.get(key) 获取当前系列表示的州所对应的区域，然后使用颜色比例尺 color() 获取相应的颜色 // 然后使用 d3.lab(color) 创建一个符合 CIELAB 色彩空间的颜色对象，具体参考官方文档 https://d3js.org/d3-color#lab // 💡 该色彩空间旨在作为一个感知上统一的空间，更多介绍可以参考 https://en.wikipedia.org/wiki/CIELAB_color_space // 最后使用 colorObj.darker() 基于原来的颜色得到一个更深的颜色 .attr("stroke", ({key}) => d3.lab(color(regionByState.get(key))).darker()) // 方法 area.lineY1() 返回一个线段生成器，用于在绘制面积图的上边界线 // 调用该线段生成器，返回的结果是字符串，该值作为 `<path>` 元素的属性 `d` 的值 .attr("d", area.lineY1()); /** * * 为每个系列添加标注信息 * */ // 为每个系列的面积创建一个中线，其路径作为标注信息（文本）的延伸方向 // 使用方法 d3.line() 创建一个线段生成器 // 线段生成器会基于给定的坐标点生成线段（或曲线） // 调用线段生成器时返回的结果，会基于生成器是否设置了画布上下文 context 而不同。如果设置了画布上下文 context，则生成一系列在画布上绘制路径的方法，通过调用它们可以将路径绘制到画布上；如果没有设置画布上下文 context，则生成字符串，可以作为 `<path>` 元素的属性 `d` 的值 // 具体可以参考官方文档 https://d3js.org/d3-shape/line // 或这一篇笔记 https://datavis-note.benbinbin.com/article/d3/core-concept/d3-concept-shape#线段生成器-lines const midline = d3.line() // 设置两点之间的曲线插值器，这里使用 D3 所提供的一种内置曲线插值器 d3.curveBasis // 该插值效果是在两个数据点之间，生成三次样条曲线 cubic basis spline // 具体效果参考 https://d3js.org/d3-shape/curve#curveBasis .curve(d3.curveBasis) // 设置横坐标读取函数 // 该函数会在调用线段生成器时，为数组中的每一个元素都执行一次，以返回该数据所对应的横坐标 // 这里基于每个数据点的年份（时间）d.data.date 并采用比例尺 x 进行映射，计算出相应的横坐标 .x(d => x(d.data.date)) // 设置纵坐标读取函数 // 这里采用每个数据在该系列的上下界的纵坐标的和的一半（中点） .y(d => y((d[0] + d[1]) / 2)); // 💡 创建一个 <defs> 元素，在其中定义一些图形元素（一般具有属性 id 以便被其他元素引用），以便之后使用（而不在当前渲染出来） // 在其中添加一系列 <path> 元素，作为各系列的标注信息（文本）的路径 const defs = svg.append("defs") // 返回一个选择集，其中虚拟/占位元素是一系列的 <path> 路径元素 .selectAll("path") .data(series) // 绑定数据，每个路径元素 <path> 对应一个系列数据 .join("path") // 将元素绘制到页面上 // 为 <path> 设置属性 id（方便其他元素基于 id 来引用），以避免与其他元素发生冲突 // 使用了该平台的标准库所提供的方法 DOM.uid(namespace) 创建一个唯一 ID 号 // 💡 具体参考官方文档 https://observablehq.com/documentation/misc/standard-library#dom-uid-name // 💡 方法 DOM.uid() 的具体实现可参考源码 https://github.com/observablehq/stdlib/blob/main/src/dom/uid.js // 并将该属性值添加到所绑定的数据（对象）的属性 id 中（以便后面绑定同样的 series 数据集时，可以通过 id 引用相应的路径元素） .attr("id", d => (d.id = DOM.uid("state")).id) // 调用线段生成器 midline 生成各堆叠面积形状的中线 // 返回的结果是字符串，该值作为 `<path>` 元素的属性 `d` 的值 .attr("d", midline); // console.log(defs) // 为每个系列添加文本标注 svg.append("g") .style("font", "10px sans-serif") // 设置字体 .attr("text-anchor", "middle") // 设置文本对齐方式 // 使用 <text> 元素添加添加标注信息 .selectAll("text") // 返回一个选择集，其中虚拟/占位元素是一系列的 <text> 路径元素 .data(series) // 绑定数据，每个文本元素 <text> 对应一个系列数据 .join("text") // 将元素绘制到页面上 .attr("dy", "0.35em") // 设置文本在垂直方向上的偏移（让文本居中对齐） // 在每个 <text> 元素里添加 <textPath> 元素（使用该元素包裹具体的文本内容），让文本沿着指定的路径放置 .append("textPath") // 设置属性 href，采用所绑定数据的属性 d.id.href，指向前面在元素 <defs> 所创建的相应路径元素 <path> // 所以每个系列的标注文本会沿着所在系列的中线延伸 .attr("href", d => d.id.href) // 设置文字距离路径开头多远（采用百分比）开始排布，让文本定位到（所在系列面积形状中）纵向空间较大的位置（如果在狭窄的位置放置文字，可能会与系列分界线重叠而影响可读性，文字还可能叠到在其他系列的面积上） // 首先Math.max(0.05, Math.min(0.95, ...) 表示文字排布约束在距离路径的开头 5% 和 95% 区间中 // 其中最佳的放置点是在该系列上下界（同一个横坐标点）差距最大的地方，即 d3.maxIndex(d, d => d[1] - d[0]) 返回的索引值所对应的数据点，然后通过 d3.maxIndex(d, d => d[1] - d[0]) / (d.length - 1))) * 100}% 得到该数据点到路径的开头的距离占总路径的比例 .attr("startOffset", d => `${Math.max(0.05, Math.min(0.95, d.offset = d3.maxIndex(d, d => d[1] - d[0]) / (d.length - 1))) * 100}%`) .text(d => d.key); // 设置文本内容 return Object.assign(svg.node(), {scales: {color}}); }30:T1736,// 读取 tsv 文件并进行处理 data = { // 使用 d3.range(start, stop, step) 创建一个等差数列，并用数列的各项构成一个数组 // 这里要创建一个表示年份的数组，要与数据集的年份一致，由于每 10 年进行一次人口普查，所以步长 step 设置为 10 const years = d3.range(1790, 2000, 10); // 读取 tsv 文件 // 使用方法 d3.tsvParse(string, row) 进行解析（具有表头），最后得到一个对象数组（即数组的元素是一个对象，表示一个数据点/一行数据） // 第一个参数 string 是需要解析的数据，它由一些数据值和 `\t` 作为分隔符构成的字符串 // 第二个参数 row 是一个函数，用于对行数据进行转换或筛选，它返回的是一个对象，表示所遍历行的数据 // 具体可以参考官方文档 https://d3js.org/d3-dsv#tsvParse // 或这一篇笔记 https://datavis-note.benbinbin.com/article/d3/core-concept/d3-concept-fetch-and-parse-data#dsv-解析 // 这里的转换函数是 (d, i) => i === 0 ? null : ({name: d[""], values: years.map(y => +d[y].replace(/,/g, "") || 0)}) // 由于原数据集的第二行（原始 tsv 表格的第一行是表头，数据从第二行开始，对应的索引值 i 是 0）是美国不同年份人口总和，而不是各州的人口数，并不需要这一行的数据 // 所以当索引值 i === 0 时返回 null 以忽略该行数据 // 原始的 tsv 表格的表头第一列是空的，所以 d[""] 获取的是该数据点位于第一列的值，则返回的对象种属性 name 的值表示该行数据属于哪个州 // 返回的对象还具有属性 values 是一个数组，使用 years.map(y => +d[y].replace(/,/g, "") 进行构建，包含该州各年的人口数据 // 其中 years 是前面构建包含年份的数组，使用 JS 数组原生方法 years.map() 遍历该数组的各个元素，通过 d[y] 获取该州在相应年份的人口数据（💡 由于原始的人口数据是字符串，并使用逗号 `,` 分隔千位，所以还需要用正则表达式删除掉分隔符），并通过 + 号将字符串转换为数值。有些州在特定的年份的数据是缺失的，则默认将该年份的人口数量设置为 0 // 具体的解析结果可以查看 👇 下一个 📝 cell const states = d3.tsvParse(await FileAttachment("population.tsv").text(), (d, i) => i === 0 ? null : ({name: d[""], values: years.map(y => +d[y].replace(/,/g, "") || 0)})); // 对 states 数据集进行排序 // 使用 JS 数组的原生方法 states.sort(compareFn) 对数据集进行排序，其中 compareFn 对比函数使用 D3 内置的 comparator 对比器 `d3.ascending()` 或 `d3.descending` // d3.ascending(a, b) 对比两个参数 a 和 b 的大小，基于大小关系返回不同的值： // * 如果 a 小于 b 则返回 -1 // * 如果 a 大于 b 则返回 1 // * 如果 a 等于 b 则返回 0 // 根据以上规则，最后会将较小值排在前面，较大值排在后面，即升序排列 // d3.descending(a, b) 规则正好相反 // 首先将各州按照所属的区域进行排序（区域的先后顺序依据于 regionRank 数组），这可以让同属一个区域的各州可以堆叠在一起，填充同样的颜色；然后对于同属一个区域的各州，按照各年人口的累加值进行降序排列（人口较大的州位于同区域的下方） // 这里先根据 regionByState.get(a.name 或 b.name) 获取所需对比的两个州所对应的区域，然后通过 regionRank.indexOf() 查询该区域在数组 regionRank 中的索引值，根据对比器 d3.ascending() 的规则进行升序排列，即如果 a 州所在的区域对应的索引值较低就返回 -1，如果较大就返回 1 // 如果 a、b 两个州都属于同一个区域就返回 0，则需要继续进行排序，根据对比器 d3.descending() 的规则，按照该州各年人口的累加值进行降序排列 states.sort((a, b) => d3.ascending(regionRank.indexOf(regionByState.get(a.name)), regionRank.indexOf(regionByState.get(b.name))) || d3.descending(d3.sum(a.values), d3.sum(b.values))); // 最后将数据集 states 进行「转置」（得到一个二维表，每一行是特定年份的各州的人口数据） // 使用 JS 数组的原生方法 years.map() 遍历每一个年份，基于每个年份构建出一个对象（包括年份和该年份每一个州的人口数据） // 首先构建一个数组，它包含两个元素 // 第一个元素是 ["date", new Date(Date.UTC(y, 0, 1))] 其中使用 JS 原生方法 Date.UTC() 基于当前所遍历的数值（表示年份）创建一个表示该年 1 月 1 日的 Date 对象 // 第二个元素是 states.map(s => [s.name, s.values[i]]) 遍历 states 的元素，返回的是一个二元数组 [s.name, s.values[i]] 作为新的元素，其中 s.name 是当前所遍历的州的名称，s.values[i] 是该州在特定年份（索引值 i 在数组 years 中对应的年份）对应的人口数量 // 使用 JS 数组的原生方法 arr1.concat(arr2) 将两个数组整合起来，得到一个嵌套数组（它的每个元素都是二元数组） // 最后使用 JS 对象的静态方法 Object.fromEntries() 将嵌套数组（它的元素是二元数组）转换为对象，以键值对的方式表示原来的数据，即每个二元数组的第一个元素作为属性键名第二个元素作为，第二个元素作为相应的属性值 // 另外还使用 JS 对象的静态方法 Object.assign() 为以上对象添加额外的属性 columns，它是一个数组，表示「转置」后的二维表的表头（第一个元素是 `"date"` 字符串，后面的元素是各州的名称） return Object.assign(years.map((y, i) => Object.fromEntries([["date", new Date(Date.UTC(y, 0, 1))]].concat(states.map(s => [s.name, s.values[i]])))), {columns: ["date", ...states.map(s => s.name)]}); }31:[{"id":"2917384d5b3890d62715d46d1ce13c242b26c4b78ac2300859112842c1e251af820a09d160a4b7cfa323dc82b863e738bdf58e08eb4cffe640c7b4bbc3e25a85","href":"https://static.observableusercontent.com/files/2917384d5b3890d62715d46d1ce13c242b26c4b78ac2300859112842c1e251af820a09d160a4b7cfa323dc82b863e738bdf58e08eb4cffe640c7b4bbc3e25a85","name":"population.tsv","type":"application/octet-stream","lastModified":1725934468879.259,"size":12234}] 2d:{"id":"4278cd16c95dcb96","slug":"u-s-population-by-state-1790-1990","title":"U.S. population by State, 1790–1990","thumbnail":"269a4319401d66234be9684c3ed83f8d443c916934012df4434b847f2bdab137","access_level":"public","create_time":"$D2024-09-10T02:14:28.879Z","update_time":"$D2024-09-17T12:40:19.646Z","view_time":null,"first_public_time":"$D2024-09-10T02:14:28.879Z","has_unpublished_edits":null,"fork":{"id":"7abe88161538f96b","slug":"u-s-population-by-state-1790-1990","title":"U.S. population by State, 1790–1990","owner":{"id":"863951e3ebe4c0ae","login":"d3","name":"D3"}},"stars":0,"starred":false,"owner":{"type":"team","id":"c1515c64803515f3","login":"benbinbin","name":"Benbinbin","avatar_url":"https://avatars-next.observableusercontent.com/a7b4db79ed7370d2e2eceb24cb23938e43bee081e330b61ebda110c76ec95546","tier":"starter_2024"},"version":316,"publish_version":null,"role":null,"authored":false,"authors":[{"type":"individual","id":"cf8a59a391159895","login":"benbinbin","name":"Benbinbin","avatar_url":"https://avatars-next.observableusercontent.com/a7b4db79ed7370d2e2eceb24cb23938e43bee081e330b61ebda110c76ec95546","tier":null}],"members":[{"type":"team","id":"c1515c64803515f3","login":"benbinbin","name":"Benbinbin","avatar_url":"https://avatars-next.observableusercontent.com/a7b4db79ed7370d2e2eceb24cb23938e43bee081e330b61ebda110c76ec95546","tier":"starter_2024","role":"editor"},{"type":"individual","id":"cf8a59a391159895","login":"benbinbin","name":"Benbinbin","avatar_url":"https://avatars-next.observableusercontent.com/a7b4db79ed7370d2e2eceb24cb23938e43bee081e330b61ebda110c76ec95546","tier":null,"role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":0,"collection":{"id":"e16ec67d40817a78","slug":"area-chart","title":"Area Chart","owner":{"id":"c1515c64803515f3","login":"benbinbin","name":"Benbinbin"}},"type":"notebook","body":{"title":"U.S. population by State, 1790–1990","cells":[{"id":0,"value":"<div style=\"color: grey; font: 13px/25.5px var(--sans-serif); text-transform: uppercase;\"><h1 style=\"display: none;\">U.S. population by State, 1790–1990</h1><a href=\"https://d3js.org/\">D3</a> › <a href=\"/@d3/gallery\">Gallery</a></div>\n\n# U.S. population by State, 1790–1990\n\n美国各州人口占比变化，1790-1990\n\n这是一个经过标准化处理的堆叠式面积图。\n\n数据来源：[U.S. Census Bureau](https://www.census.gov/population/www/censusdata/pop1790-1990.html)","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":88,"value":"{\n const id = DOM.uid().id;\n const marginLeft = 40;\n const {color} = chart.scales;\n \n return html`<style>\n\n.${id} {\n columns: 140px;\n font: 10px sans-serif;\n padding: 6px 0;\n margin-left: ${marginLeft}px;\n}\n\n.${id}-item {\n break-inside: avoid;\n display: flex;\n align-items: center;\n padding-bottom: 1px;\n}\n\n.${id}-swatch {\n width: 20px;\n height: 20px;\n margin: 0 5px 0 0;\n}\n\n</style>\n<div class=\"${id}\">${color.domain().map(name => html`\n <div class=\"${id}-item\">\n <div class=\"${id}-swatch\" style=\"background:${color(name)};\"></div>\n ${document.createTextNode(name)}\n </div>`)}\n</div>`;\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":17,"value":"$2f","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":289,"value":"// 📝 该 cell 只是用于演示效果\nd3.schemeCategory10","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2,"value":"$30","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":226,"value":"// 📝 该 cell 只是用于演示效果\n{\n const years = d3.range(1790, 2000, 10);\n return d3.tsvParse(await FileAttachment(\"population.tsv\").text(), (d, i) => i === 0 ? null : ({name: d[\"\"], values: years.map(y => +d[y].replace(/,/g, \"\") || 0)}));\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":45,"value":" /**\n *\n * 对数据进行转换\n *\n */\n // 决定有哪些系列进行堆叠可视化\n // 通过堆叠生成器对数据进行转换，便于后续绘制堆叠图\n // 返回一个数组，每一个元素都是一个系列（整个面积图就是由多个系列堆叠而成的）\n // 而每一个元素（系列）也是一个数组，其中每个元素是属于该系列的一个数据点，例如在本示例中，有 21 个年份的数据，所以每个系列会有 21 个数据点\n // 具体可以参考官方文档 https://d3js.org/d3-shape/stack\n // 或这一篇笔记 https://datavis-note.benbinbin.com/article/d3/core-concept/d3-concept-shape#堆叠生成器-stacks\nseries = d3.stack()\n // 设置系列的名称（数组）\n // 基于数据集 data 的属性 columns（它是一个数组，表示二维表的表头），除去第一个元素（它字符串是 \"date\" 表示时间列，不是州的名称）得到的数组\n // 即有哪几个州\n // D3 为每一个系列都设置了一个属性 key，其值是系列名称（生成面积图时，系列堆叠的顺序就按照系列名称的排序）\n .keys(data.columns.slice(1))\n // 设置堆叠基线函数，这里采用 D3 所提供的一种基线函数 d3.stackOffsetExpand\n // 对数据进行标准化（相当于把各系列的绝对数值转换为所占的百分比），基线是零，上边界线是 1\n // 所以每个横坐标值所对应的总堆叠高度都一致（即纵坐标值为 1）\n // 具体可以参考官方文档 https://d3js.org/d3-shape/stack#stackOffsetExpand\n .offset(d3.stackOffsetExpand)\n // 调用堆叠生成器，传入数据\n (data)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":77,"value":"// 将美国各州划分为 9 个区域（已排序）\nregionRank = [\n \"New England\",\n \"Middle Atlantic\",\n \"South Atlantic\",\n \"East South Central\",\n \"West South Central\",\n \"East North Central\",\n \"West North Central\",\n \"Mountain\",\n \"Pacific\"\n]","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":31,"value":"// 将每个州归类到 9 个区域\n// 以 map 映射（键值对的方式）来表示，即键名为各州的名称，对应的值是 9 个区域之一\nregionByState = {\n // 获取 csv 文件，该表格将美国各州对应到 9 个区域\n // 原始表格的数据可以查看 👇 下一个 📝 cell\n const regions = await d3.csv(\"https://raw.githubusercontent.com/cphalpert/census-regions/7bdc6aa1cb0892361e90ce9ad54983041c2ad015/us%20census%20bureau%20regions%20and%20divisions.csv\");\n // 基于数组创建一个 Map 映射\n // 先将原数组 regions 转换为一个嵌套数组（它的每个元素都是一个二元数组），只保留原来的数据点（对象）的属性 d.state（州名称）和属性 d.Division（该州所对应的区域），分别作为二元数组的第一个和第二个元素\n // 然后 new Map() 会将每个二元数组转换为一个映射关系\n return new Map(regions.map(d => [d.State, d.Division]));\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":260,"value":"// 📝 该 cell 只是用于演示效果\nawait d3.csv(\"https://raw.githubusercontent.com/cphalpert/census-regions/7bdc6aa1cb0892361e90ce9ad54983041c2ad015/us%20census%20bureau%20regions%20and%20divisions.csv\");","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W31","stdlib":"1","titling":"auto"}} 2e:"$2d:body" </article></body></html>

29:null 2a:["$","title",null,{"children":"U.S. population by State, 1790–1990 | Benbinbin | Observable"}] 2f:T39d0,chart = { // 设置一些关于尺寸的参数 const width = 928; // svg 元素的宽 const height = 720; // svg 元素的高 // margin 为前缀的参数 // 其作用是在 svg 的外周留白，构建一个显示的安全区，以便在四周显示坐标轴 const marginTop = 10; const marginRight = 10; const marginBottom = 30; const marginLeft = 40; /** * * 构建比例尺 * */ // 设置横坐标轴的比例尺 // 横坐标轴的数据是年份（时间），使用 d3.scaleUtc 构建一个时间比例尺（连续型比例尺的一种） // 该时间比例尺采用协调世界时 UTC，即处于不同时区的用户查看图表时也会显示同样的时间 // 具体可以参考官方文档 https://d3js.org/d3-scale/time // 或这一篇笔记 https://datavis-note.benbinbin.com/article/d3/core-concept/d3-concept-scale#时间比例尺-time-scales const x = d3.scaleUtc() // 设置定义域范围 // 从数据集的每个数据点中提取出年份（时间），并用 d3.extent() 计算出它的范围 .domain(d3.extent(data, d => d.date)) // 设置值域范围（所映射的可视元素） // svg 元素的宽度（减去留白区域） .range([marginLeft, width - marginRight]); // 设置纵坐标轴的比例尺 // 纵坐标轴的数据是连续型的数值（百分比），使用 d3.scaleLinear 构建一个线性比例尺 const y = d3.scaleLinear() // 💡 这里省略设置纵坐标轴比例尺的定义域范围 // 因为标准化后，堆叠面积图的纵轴定义域范围就是 [0, 1] 与线性比例尺的默认定义域相同 // 设置值域范围（所映射的可视元素） // svg 元素的宽度（减去留白区域） .range([height - marginBottom, marginTop]); // 设置颜色比例尺 // 为不同系列设置不同的配色 // 使用 d3.scaleOrdinal() 排序比例尺 Ordinal Scales 将离散型的定义域映射到离散型值域 // 具体参考官方文档 https://d3js.org/d3-scale/ordinal // 或这一篇笔记 https://datavis-note.benbinbin.com/article/d3/core-concept/d3-concept-scale#排序比例尺-ordinal-scales const color = d3.scaleOrdinal() // 设置定义域范围 // 各区域的名称（即各州所对应的 9 个区域） .domain(regionRank) // 设置值域范围 // 使用 D3 内置的一种配色方案 d3.schemeCategory10 // 它是一个数组，包含一些预设的颜色（共 10 种） // 具体可以查看 👇 下一个 📝 cell 或参考官方文档 https://d3js.org/d3-scale-chromatic/categorical#schemeCategory10 // 这里区域数量是 9 种，依次对应 d3.schemeTableau10 配色方案前 9 种颜色 .range(d3.schemeCategory10) // 设置默认颜色 // 当使用颜色比例尺时 color(value) 传入的参数不在定义域范围中，默认返回的颜色值 .unknown("gray"); /** * * 创建 svg 容器 * */ // 返回的是一个包含 svg 元素的选择集 const svg = d3.create("svg") .attr("width", width) .attr("height", height) .attr("viewBox", [0, 0, width, height]) .attr("style", "max-width: 100%; height: auto;"); /** * * 绘制坐标轴 * */ // 绘制横坐标轴 svg.append("g") // 通过设置 CSS 的 transform 属性将横坐标轴容器「移动」到底部 .attr("transform", `translate(0,${height - marginBottom})`) // 横轴是一个刻度值朝下的坐标轴 // 通过 axis.ticks(count) 设置刻度数量的参考值（避免刻度过多导致刻度值重叠而影响图表的可读性） // 将坐标轴的外侧刻度 tickSizeOuter 长度设置为 0（即取消坐标轴首尾两端的刻度） .call(d3.axisBottom(x).ticks(width / 80).tickSizeOuter(0)); // 绘制纵坐标轴 svg.append("g") // 通过设置 CSS 的 transform 属性将纵向坐标轴容器「移动」到左侧 .attr("transform", `translate(${marginLeft},0)`) // 纵轴是一个刻度值朝左的坐标轴 // 并使用坐标轴对象的方法 axis.ticks() 设置坐标轴的刻度数量和刻度值格式 // 其中第一个参数用于设置刻度数量（这里设置的是预期值，并不是最终值，D3 会基于出入的数量进行调整，以便刻度更可视） // 而第二个参数用于设置刻度值格式，这里设置为 "%" 表示数值采用百分比表示 .call(d3.axisLeft(y).ticks(10, "%")) // 删掉上一步所生成的坐标轴的轴线（它含有 domain 类名） .call(g => g.select(".domain").remove()); /** * * 绘制面积图内的面积形状 * */ // 使用 d3.area() 创建一个面积生成器 // 面积生成器会基于给定的数据生成面积形状 // 调用面积生成器时返回的结果，会基于生成器是否设置了画布上下文 context 而不同。如果设置了画布上下文 context，则生成一系列在画布上绘制路径的方法，通过调用它们可以将路径绘制到画布上；如果没有设置画布上下文 context，则生成字符串，可以作为 `` 元素的属性 `d` 的值 // 具体可以参考官方文档 https://d3js.org/d3-shape/area // 或这一篇笔记 https://datavis-note.benbinbin.com/article/d3/core-concept/d3-concept-shape#面积生成器-areas const area = d3.area() // 设置下边界线横坐标读取函数 // 💡 不需要再设置上边界线横坐标读取函数，因为默认会复用相应的下边界线横坐标值，这符合横向延伸的面积图 // 该函数会在调用面积生成器时，为数组中的每一个元素都执行一次，以返回该数据所对应的横坐标 // 这里基于每个数据点的年份（时间）d.data.date（这里的 d.data 是该数据点 d 转换前/原始的数据结构，它的属性 date 就是该数据点对应的年份）并采用比例尺 x 进行映射，计算出相应的横坐标 .x(d => x(d.data.date)) // 设置下边界线的纵坐标的读取函数 // 这里基于每个数据点（二元数组）的第一个元素 d[0] 并采用比例尺 y 进行映射，计算出相应的纵坐标 .y0(d => y(d[0])) // 设置上边界线的纵坐标的读取函数 // 这里基于每个数据点（二元数组）的第二个元素 d[1] 并采用比例尺 y 进行映射，计算出相应的纵坐标 .y1(d => y(d[1])); // 将每个系列的面积形状绘制到页面上 // 创建一个元素作为容器 svg.append("g") .attr("fill-opacity", 0.8) // 设置填充的透明度 .selectAll("path") // 返回一个选择集，其中虚拟/占位元素是一系列的路径元素，用于绘制各系列的形状 .data(series) // 绑定数据，每个路径元素对应一个系列数据 .join("path") // 将元素绘制到页面上 // 设置颜色，不同系列/堆叠层对应不同的颜色 // 其中所绑定数据是一个数组，但具有属性 key 表示该系列对应的州的名称，填充色是由该州所属的区域所决定的 // 首先通过映射 regionByState.get(key) 获取该州所对应的区域，然后使用颜色比例尺 color() 获取相应的颜色 .attr("fill", ({key}) => color(regionByState.get(key))) // 由于面积生成器并没有调用方法 area.context(parentDOM) 设置画布上下文 // 所以调用面积生成器 area 返回的结果是字符串 // 该值作为 `` 元素的属性 `d` 的值 .attr("d", area) // 最后在每个路径元素里添加一个元素 // 以便鼠标 hover 在相应的各系列的面积之上时，可以显示 tooltip 提示信息 .append("title") // 设置 tooltip 的文本内容，采用所绑定数据的属性 key，表示当前所遍历的系列名称 .text(({key}) => key); /** * * 绘制面积图内的各系列（堆叠形状）之间的分隔线（上边界线） * */ // 创建一个容器 svg.append("g") // 只需要路径的描边作为折线，不需要填充，所以属性 fill 设置为 none .attr("fill", "none") .attr("stroke-width", 0.75) // 描边的宽度 // 使用路径 <path> 元素绘制折线 .selectAll("path") // 返回一个选择集，其中虚拟/占位元素是一系列的 <path> 路径元素，用于绘制各系列的边界线 .data(series) // 绑定数据，每个路径元素 <path> 对应一个系列数据 .join("path") // 将元素绘制到页面上 // 设置描边颜色 // 基于原来系列的填充色，采用一个更深的颜色 // 首先通过映射 regionByState.get(key) 获取当前系列表示的州所对应的区域，然后使用颜色比例尺 color() 获取相应的颜色 // 然后使用 d3.lab(color) 创建一个符合 CIELAB 色彩空间的颜色对象，具体参考官方文档 https://d3js.org/d3-color#lab // 💡 该色彩空间旨在作为一个感知上统一的空间，更多介绍可以参考 https://en.wikipedia.org/wiki/CIELAB_color_space // 最后使用 colorObj.darker() 基于原来的颜色得到一个更深的颜色 .attr("stroke", ({key}) => d3.lab(color(regionByState.get(key))).darker()) // 方法 area.lineY1() 返回一个线段生成器，用于在绘制面积图的上边界线 // 调用该线段生成器，返回的结果是字符串，该值作为 `<path>` 元素的属性 `d` 的值 .attr("d", area.lineY1()); /** * * 为每个系列添加标注信息 * */ // 为每个系列的面积创建一个中线，其路径作为标注信息（文本）的延伸方向 // 使用方法 d3.line() 创建一个线段生成器 // 线段生成器会基于给定的坐标点生成线段（或曲线） // 调用线段生成器时返回的结果，会基于生成器是否设置了画布上下文 context 而不同。如果设置了画布上下文 context，则生成一系列在画布上绘制路径的方法，通过调用它们可以将路径绘制到画布上；如果没有设置画布上下文 context，则生成字符串，可以作为 `<path>` 元素的属性 `d` 的值 // 具体可以参考官方文档 https://d3js.org/d3-shape/line // 或这一篇笔记 https://datavis-note.benbinbin.com/article/d3/core-concept/d3-concept-shape#线段生成器-lines const midline = d3.line() // 设置两点之间的曲线插值器，这里使用 D3 所提供的一种内置曲线插值器 d3.curveBasis // 该插值效果是在两个数据点之间，生成三次样条曲线 cubic basis spline // 具体效果参考 https://d3js.org/d3-shape/curve#curveBasis .curve(d3.curveBasis) // 设置横坐标读取函数 // 该函数会在调用线段生成器时，为数组中的每一个元素都执行一次，以返回该数据所对应的横坐标 // 这里基于每个数据点的年份（时间）d.data.date 并采用比例尺 x 进行映射，计算出相应的横坐标 .x(d => x(d.data.date)) // 设置纵坐标读取函数 // 这里采用每个数据在该系列的上下界的纵坐标的和的一半（中点） .y(d => y((d[0] + d[1]) / 2)); // 💡 创建一个 <defs> 元素，在其中定义一些图形元素（一般具有属性 id 以便被其他元素引用），以便之后使用（而不在当前渲染出来） // 在其中添加一系列 <path> 元素，作为各系列的标注信息（文本）的路径 const defs = svg.append("defs") // 返回一个选择集，其中虚拟/占位元素是一系列的 <path> 路径元素 .selectAll("path") .data(series) // 绑定数据，每个路径元素 <path> 对应一个系列数据 .join("path") // 将元素绘制到页面上 // 为 <path> 设置属性 id（方便其他元素基于 id 来引用），以避免与其他元素发生冲突 // 使用了该平台的标准库所提供的方法 DOM.uid(namespace) 创建一个唯一 ID 号 // 💡 具体参考官方文档 https://observablehq.com/documentation/misc/standard-library#dom-uid-name // 💡 方法 DOM.uid() 的具体实现可参考源码 https://github.com/observablehq/stdlib/blob/main/src/dom/uid.js // 并将该属性值添加到所绑定的数据（对象）的属性 id 中（以便后面绑定同样的 series 数据集时，可以通过 id 引用相应的路径元素） .attr("id", d => (d.id = DOM.uid("state")).id) // 调用线段生成器 midline 生成各堆叠面积形状的中线 // 返回的结果是字符串，该值作为 `<path>` 元素的属性 `d` 的值 .attr("d", midline); // console.log(defs) // 为每个系列添加文本标注 svg.append("g") .style("font", "10px sans-serif") // 设置字体 .attr("text-anchor", "middle") // 设置文本对齐方式 // 使用 <text> 元素添加添加标注信息 .selectAll("text") // 返回一个选择集，其中虚拟/占位元素是一系列的 <text> 路径元素 .data(series) // 绑定数据，每个文本元素 <text> 对应一个系列数据 .join("text") // 将元素绘制到页面上 .attr("dy", "0.35em") // 设置文本在垂直方向上的偏移（让文本居中对齐） // 在每个 <text> 元素里添加 <textPath> 元素（使用该元素包裹具体的文本内容），让文本沿着指定的路径放置 .append("textPath") // 设置属性 href，采用所绑定数据的属性 d.id.href，指向前面在元素 <defs> 所创建的相应路径元素 <path> // 所以每个系列的标注文本会沿着所在系列的中线延伸 .attr("href", d => d.id.href) // 设置文字距离路径开头多远（采用百分比）开始排布，让文本定位到（所在系列面积形状中）纵向空间较大的位置（如果在狭窄的位置放置文字，可能会与系列分界线重叠而影响可读性，文字还可能叠到在其他系列的面积上） // 首先Math.max(0.05, Math.min(0.95, ...) 表示文字排布约束在距离路径的开头 5% 和 95% 区间中 // 其中最佳的放置点是在该系列上下界（同一个横坐标点）差距最大的地方，即 d3.maxIndex(d, d => d[1] - d[0]) 返回的索引值所对应的数据点，然后通过 d3.maxIndex(d, d => d[1] - d[0]) / (d.length - 1))) * 100}% 得到该数据点到路径的开头的距离占总路径的比例 .attr("startOffset", d => `${Math.max(0.05, Math.min(0.95, d.offset = d3.maxIndex(d, d => d[1] - d[0]) / (d.length - 1))) * 100}%`) .text(d => d.key); // 设置文本内容 return Object.assign(svg.node(), {scales: {color}}); }30:T1736,// 读取 tsv 文件并进行处理 data = { // 使用 d3.range(start, stop, step) 创建一个等差数列，并用数列的各项构成一个数组 // 这里要创建一个表示年份的数组，要与数据集的年份一致，由于每 10 年进行一次人口普查，所以步长 step 设置为 10 const years = d3.range(1790, 2000, 10); // 读取 tsv 文件 // 使用方法 d3.tsvParse(string, row) 进行解析（具有表头），最后得到一个对象数组（即数组的元素是一个对象，表示一个数据点/一行数据） // 第一个参数 string 是需要解析的数据，它由一些数据值和 `\t` 作为分隔符构成的字符串 // 第二个参数 row 是一个函数，用于对行数据进行转换或筛选，它返回的是一个对象，表示所遍历行的数据 // 具体可以参考官方文档 https://d3js.org/d3-dsv#tsvParse // 或这一篇笔记 https://datavis-note.benbinbin.com/article/d3/core-concept/d3-concept-fetch-and-parse-data#dsv-解析 // 这里的转换函数是 (d, i) => i === 0 ? null : ({name: d[""], values: years.map(y => +d[y].replace(/,/g, "") || 0)}) // 由于原数据集的第二行（原始 tsv 表格的第一行是表头，数据从第二行开始，对应的索引值 i 是 0）是美国不同年份人口总和，而不是各州的人口数，并不需要这一行的数据 // 所以当索引值 i === 0 时返回 null 以忽略该行数据 // 原始的 tsv 表格的表头第一列是空的，所以 d[""] 获取的是该数据点位于第一列的值，则返回的对象种属性 name 的值表示该行数据属于哪个州 // 返回的对象还具有属性 values 是一个数组，使用 years.map(y => +d[y].replace(/,/g, "") 进行构建，包含该州各年的人口数据 // 其中 years 是前面构建包含年份的数组，使用 JS 数组原生方法 years.map() 遍历该数组的各个元素，通过 d[y] 获取该州在相应年份的人口数据（💡 由于原始的人口数据是字符串，并使用逗号 `,` 分隔千位，所以还需要用正则表达式删除掉分隔符），并通过 + 号将字符串转换为数值。有些州在特定的年份的数据是缺失的，则默认将该年份的人口数量设置为 0 // 具体的解析结果可以查看 👇 下一个 📝 cell const states = d3.tsvParse(await FileAttachment("population.tsv").text(), (d, i) => i === 0 ? null : ({name: d[""], values: years.map(y => +d[y].replace(/,/g, "") || 0)})); // 对 states 数据集进行排序 // 使用 JS 数组的原生方法 states.sort(compareFn) 对数据集进行排序，其中 compareFn 对比函数使用 D3 内置的 comparator 对比器 `d3.ascending()` 或 `d3.descending` // d3.ascending(a, b) 对比两个参数 a 和 b 的大小，基于大小关系返回不同的值： // * 如果 a 小于 b 则返回 -1 // * 如果 a 大于 b 则返回 1 // * 如果 a 等于 b 则返回 0 // 根据以上规则，最后会将较小值排在前面，较大值排在后面，即升序排列 // d3.descending(a, b) 规则正好相反 // 首先将各州按照所属的区域进行排序（区域的先后顺序依据于 regionRank 数组），这可以让同属一个区域的各州可以堆叠在一起，填充同样的颜色；然后对于同属一个区域的各州，按照各年人口的累加值进行降序排列（人口较大的州位于同区域的下方） // 这里先根据 regionByState.get(a.name 或 b.name) 获取所需对比的两个州所对应的区域，然后通过 regionRank.indexOf() 查询该区域在数组 regionRank 中的索引值，根据对比器 d3.ascending() 的规则进行升序排列，即如果 a 州所在的区域对应的索引值较低就返回 -1，如果较大就返回 1 // 如果 a、b 两个州都属于同一个区域就返回 0，则需要继续进行排序，根据对比器 d3.descending() 的规则，按照该州各年人口的累加值进行降序排列 states.sort((a, b) => d3.ascending(regionRank.indexOf(regionByState.get(a.name)), regionRank.indexOf(regionByState.get(b.name))) || d3.descending(d3.sum(a.values), d3.sum(b.values))); // 最后将数据集 states 进行「转置」（得到一个二维表，每一行是特定年份的各州的人口数据） // 使用 JS 数组的原生方法 years.map() 遍历每一个年份，基于每个年份构建出一个对象（包括年份和该年份每一个州的人口数据） // 首先构建一个数组，它包含两个元素 // 第一个元素是 ["date", new Date(Date.UTC(y, 0, 1))] 其中使用 JS 原生方法 Date.UTC() 基于当前所遍历的数值（表示年份）创建一个表示该年 1 月 1 日的 Date 对象 // 第二个元素是 states.map(s => [s.name, s.values[i]]) 遍历 states 的元素，返回的是一个二元数组 [s.name, s.values[i]] 作为新的元素，其中 s.name 是当前所遍历的州的名称，s.values[i] 是该州在特定年份（索引值 i 在数组 years 中对应的年份）对应的人口数量 // 使用 JS 数组的原生方法 arr1.concat(arr2) 将两个数组整合起来，得到一个嵌套数组（它的每个元素都是二元数组） // 最后使用 JS 对象的静态方法 Object.fromEntries() 将嵌套数组（它的元素是二元数组）转换为对象，以键值对的方式表示原来的数据，即每个二元数组的第一个元素作为属性键名第二个元素作为，第二个元素作为相应的属性值 // 另外还使用 JS 对象的静态方法 Object.assign() 为以上对象添加额外的属性 columns，它是一个数组，表示「转置」后的二维表的表头（第一个元素是 `"date"` 字符串，后面的元素是各州的名称） return Object.assign(years.map((y, i) => Object.fromEntries([["date", new Date(Date.UTC(y, 0, 1))]].concat(states.map(s => [s.name, s.values[i]])))), {columns: ["date", ...states.map(s => s.name)]}); }31:[{"id":"2917384d5b3890d62715d46d1ce13c242b26c4b78ac2300859112842c1e251af820a09d160a4b7cfa323dc82b863e738bdf58e08eb4cffe640c7b4bbc3e25a85","href":"https://static.observableusercontent.com/files/2917384d5b3890d62715d46d1ce13c242b26c4b78ac2300859112842c1e251af820a09d160a4b7cfa323dc82b863e738bdf58e08eb4cffe640c7b4bbc3e25a85","name":"population.tsv","type":"application/octet-stream","lastModified":1725934468879.259,"size":12234}] 2d:{"id":"4278cd16c95dcb96","slug":"u-s-population-by-state-1790-1990","title":"U.S. population by State, 1790–1990","thumbnail":"269a4319401d66234be9684c3ed83f8d443c916934012df4434b847f2bdab137","access_level":"public","create_time":"$D2024-09-10T02:14:28.879Z","update_time":"$D2024-09-17T12:40:19.646Z","view_time":null,"first_public_time":"$D2024-09-10T02:14:28.879Z","has_unpublished_edits":null,"fork":{"id":"7abe88161538f96b","slug":"u-s-population-by-state-1790-1990","title":"U.S. population by State, 1790–1990","owner":{"id":"863951e3ebe4c0ae","login":"d3","name":"D3"}},"stars":0,"starred":false,"owner":{"type":"team","id":"c1515c64803515f3","login":"benbinbin","name":"Benbinbin","avatar_url":"https://avatars-next.observableusercontent.com/a7b4db79ed7370d2e2eceb24cb23938e43bee081e330b61ebda110c76ec95546","tier":"starter_2024"},"version":316,"publish_version":null,"role":null,"authored":false,"authors":[{"type":"individual","id":"cf8a59a391159895","login":"benbinbin","name":"Benbinbin","avatar_url":"https://avatars-next.observableusercontent.com/a7b4db79ed7370d2e2eceb24cb23938e43bee081e330b61ebda110c76ec95546","tier":null}],"members":[{"type":"team","id":"c1515c64803515f3","login":"benbinbin","name":"Benbinbin","avatar_url":"https://avatars-next.observableusercontent.com/a7b4db79ed7370d2e2eceb24cb23938e43bee081e330b61ebda110c76ec95546","tier":"starter_2024","role":"editor"},{"type":"individual","id":"cf8a59a391159895","login":"benbinbin","name":"Benbinbin","avatar_url":"https://avatars-next.observableusercontent.com/a7b4db79ed7370d2e2eceb24cb23938e43bee081e330b61ebda110c76ec95546","tier":null,"role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":0,"collection":{"id":"e16ec67d40817a78","slug":"area-chart","title":"Area Chart","owner":{"id":"c1515c64803515f3","login":"benbinbin","name":"Benbinbin"}},"type":"notebook","body":{"title":"U.S. population by State, 1790–1990","cells":[{"id":0,"value":"<div style=\"color: grey; font: 13px/25.5px var(--sans-serif); text-transform: uppercase;\"><h1 style=\"display: none;\">U.S. population by State, 1790–1990</h1><a href=\"https://d3js.org/\">D3</a> › <a href=\"/@d3/gallery\">Gallery</a></div>\n\n# U.S. population by State, 1790–1990\n\n美国各州人口占比变化，1790-1990\n\n这是一个经过标准化处理的堆叠式面积图。\n\n数据来源：[U.S. Census Bureau](https://www.census.gov/population/www/censusdata/pop1790-1990.html)","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":88,"value":"{\n const id = DOM.uid().id;\n const marginLeft = 40;\n const {color} = chart.scales;\n \n return html`<style>\n\n.${id} {\n columns: 140px;\n font: 10px sans-serif;\n padding: 6px 0;\n margin-left: ${marginLeft}px;\n}\n\n.${id}-item {\n break-inside: avoid;\n display: flex;\n align-items: center;\n padding-bottom: 1px;\n}\n\n.${id}-swatch {\n width: 20px;\n height: 20px;\n margin: 0 5px 0 0;\n}\n\n</style>\n<div class=\"${id}\">${color.domain().map(name => html`\n <div class=\"${id}-item\">\n <div class=\"${id}-swatch\" style=\"background:${color(name)};\"></div>\n ${document.createTextNode(name)}\n </div>`)}\n</div>`;\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":17,"value":"$2f","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":289,"value":"// 📝 该 cell 只是用于演示效果\nd3.schemeCategory10","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2,"value":"$30","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":226,"value":"// 📝 该 cell 只是用于演示效果\n{\n const years = d3.range(1790, 2000, 10);\n return d3.tsvParse(await FileAttachment(\"population.tsv\").text(), (d, i) => i === 0 ? null : ({name: d[\"\"], values: years.map(y => +d[y].replace(/,/g, \"\") || 0)}));\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":45,"value":" /**\n *\n * 对数据进行转换\n *\n */\n // 决定有哪些系列进行堆叠可视化\n // 通过堆叠生成器对数据进行转换，便于后续绘制堆叠图\n // 返回一个数组，每一个元素都是一个系列（整个面积图就是由多个系列堆叠而成的）\n // 而每一个元素（系列）也是一个数组，其中每个元素是属于该系列的一个数据点，例如在本示例中，有 21 个年份的数据，所以每个系列会有 21 个数据点\n // 具体可以参考官方文档 https://d3js.org/d3-shape/stack\n // 或这一篇笔记 https://datavis-note.benbinbin.com/article/d3/core-concept/d3-concept-shape#堆叠生成器-stacks\nseries = d3.stack()\n // 设置系列的名称（数组）\n // 基于数据集 data 的属性 columns（它是一个数组，表示二维表的表头），除去第一个元素（它字符串是 \"date\" 表示时间列，不是州的名称）得到的数组\n // 即有哪几个州\n // D3 为每一个系列都设置了一个属性 key，其值是系列名称（生成面积图时，系列堆叠的顺序就按照系列名称的排序）\n .keys(data.columns.slice(1))\n // 设置堆叠基线函数，这里采用 D3 所提供的一种基线函数 d3.stackOffsetExpand\n // 对数据进行标准化（相当于把各系列的绝对数值转换为所占的百分比），基线是零，上边界线是 1\n // 所以每个横坐标值所对应的总堆叠高度都一致（即纵坐标值为 1）\n // 具体可以参考官方文档 https://d3js.org/d3-shape/stack#stackOffsetExpand\n .offset(d3.stackOffsetExpand)\n // 调用堆叠生成器，传入数据\n (data)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":77,"value":"// 将美国各州划分为 9 个区域（已排序）\nregionRank = [\n \"New England\",\n \"Middle Atlantic\",\n \"South Atlantic\",\n \"East South Central\",\n \"West South Central\",\n \"East North Central\",\n \"West North Central\",\n \"Mountain\",\n \"Pacific\"\n]","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":31,"value":"// 将每个州归类到 9 个区域\n// 以 map 映射（键值对的方式）来表示，即键名为各州的名称，对应的值是 9 个区域之一\nregionByState = {\n // 获取 csv 文件，该表格将美国各州对应到 9 个区域\n // 原始表格的数据可以查看 👇 下一个 📝 cell\n const regions = await d3.csv(\"https://raw.githubusercontent.com/cphalpert/census-regions/7bdc6aa1cb0892361e90ce9ad54983041c2ad015/us%20census%20bureau%20regions%20and%20divisions.csv\");\n // 基于数组创建一个 Map 映射\n // 先将原数组 regions 转换为一个嵌套数组（它的每个元素都是一个二元数组），只保留原来的数据点（对象）的属性 d.state（州名称）和属性 d.Division（该州所对应的区域），分别作为二元数组的第一个和第二个元素\n // 然后 new Map() 会将每个二元数组转换为一个映射关系\n return new Map(regions.map(d => [d.State, d.Division]));\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":260,"value":"// 📝 该 cell 只是用于演示效果\nawait d3.csv(\"https://raw.githubusercontent.com/cphalpert/census-regions/7bdc6aa1cb0892361e90ce9ad54983041c2ad015/us%20census%20bureau%20regions%20and%20divisions.csv\");","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W31","stdlib":"1","titling":"auto"}} 2e:"$2d:body" </article></body></html>