객체 차트와 드릴다운
Quiver의 객체 시각화 카드는 객체 집합에서 차트나 시각화를 만듭니다. 차트의 선택으로 객체를 좁히거나, 집계한 범주형 차트 데이터를 다른 계산의 입력으로 사용할 수 있습니다.
기본 시각화에는 Bar chart, Line chart, Pie chart, Categorical scatter plot, Numerical scatter plot, Pivot table, Heat grid와 Waterfall plot이 있습니다. 차트와 객체 표시 카드에서 유형별 입력, 출력과 설정을 확인할 수 있습니다.
차트 추가와 설정
객체 집합 카드의 다음 작업 메뉴에서 Visualize를 엽니다. 선택한 차트의 편집 패널은 유형에 따라 다른 옵션을 제공하지만 일반적으로 다음 설정을 사용합니다.
| 탭 | 설정 |
|---|---|
| Data | 입력 객체 집합, Group by, X/Y 속성, 집계 지표, 선택적 세분화와 정렬 순서 |
| Display | 차트 방향, 세그먼트 및 지표의 색상과 레이블, 축 제목/형식/위치, 레이블 표시, 범례 표시와 위치 |
집계 지표에는 Min, Max, Sum, Average, Count, Unique count, Percentile, Standard deviation과 Variance가 있습니다. Object Storage v1, Phonograph 기반 객체 유형은 Percentile, Standard deviation과 Variance를 지원하지 않습니다.
예제의 막대 차트는 Building Type으로 그룹을 나누고 Roof Height의 평균을 계산합니다. Year Constructed로 세분화한 뒤 방향을 Vertical, 세분화 표시를 Grouped로 정합니다.
객체 집합 집계의 정확도 조건
| 집계 | 조건 |
|---|---|
| Unique count | 근사 또는 정확 결과를 선택. Phonograph는 정확 결과를 지원하지 않으며 정확 계산의 결과 개수가 10,000을 넘으면 성능이 낮아질 수 있음 |
| Percentile | 항상 근사값. 기본 최대 상대 오차 0.1% 또는 절대 오차 0.001% 중 하나를 만족 |
| Standard deviation | 부동소수점 오차 누적으로 근사값. 평균이 매우 크고 표준편차가 매우 작으면 부정확할 수 있음 |
| Variance | 부동소수점 오차 누적으로 근사값. 평균이 매우 크고 표준편차가 매우 작으면 부정확할 수 있음 |
이 표는 객체 집합 차트의 집계 조건입니다. Transform table이나 dataset 결과를 그리는 차트에는 이 조건을 그대로 적용하지 않습니다.
차트 선택으로 객체 집합 만들기
객체 집합을 직접 입력받는 대부분의 차트는 상호작용으로 원래 객체를 선택할 수 있습니다. 차트의 데이터 항목을 선택한 뒤 카드 아래쪽 Drill down을 누르면 선택을 정의로 사용하는 Selection Object Set을 만듭니다.
여러 범주는 드래그로 범위를 선택하거나 macOS의 Cmd, Windows의 Ctrl을 누른 채 추가로 선택합니다.
이 드릴다운 예제에서는 Garage를 선택하면 218,785개 객체를 가진 집합이 만들어집니다. Building을 추가 선택하면 Building 또는 Garage인 객체를 포함하도록 집합이 바뀝니다. 작은 범주들은 드래그로 한꺼번에 선택할 수 있습니다.
Transform table이나 dataset의 출력을 시각화한 차트는 객체 드릴다운을 지원하지 않습니다. 카드의 입력 및 선택 출력 지원을 확인하여 사용합니다.
여러 차트의 교차 필터
Cross filter 카드로 여러 차트의 선택을 결합하면 하위 객체 집합뿐 아니라 해당 필터를 구독하는 다른 차트도 좁힐 수 있습니다. 대시보드에서 여러 차트가 서로의 선택에 반응하도록 구성할 때 사용합니다.
차트 겹치기
범주형 차트의 다음 작업 메뉴에서 Visualize > Overlay chart를 선택하면 여러 차트를 같은 화면에 겹칠 수 있습니다. 막대와 산점도를 함께 표시하거나 서로 다른 객체 유형의 데이터를 비교할 수 있으며 입력 차트의 표시 옵션을 상속합니다.
예제는 최대 Roof Height를 나타내는 막대와 평균 Roof Height를 나타내는 선을 겹칩니다.
집계 지표의 수식
여러 범주형 차트의 Data 탭에서 Metric의 Switch to formula metric을 선택합니다. 필요한 집계를 여러 개 정의한 뒤 수식으로 결합하며 수식은 각 데이터 세그먼트에 적용합니다.
예제에서는 Metric 안의 집계 참조 $M0를 Roof Height의 최댓값, $M1을 최솟값으로 정합니다.
$M0 - $M1
이 식은 범주마다 최대 높이와 최소 높이의 차이를 구합니다.
범주형 수식의 결합 규칙
Categorical formula plot은 단일 숫자, 세분화하지 않은 범주형 데이터와 세분화한 범주형 데이터를 수식으로 결합합니다. 2D는 범주와 값, 3D는 범주 및 세그먼트와 값으로 이루어진 데이터를 뜻합니다.
| 조합 | 계산 규칙 |
|---|---|
| 숫자와 차트 | 숫자를 모든 데이터 세그먼트에 적용 |
| 2D와 2D | Group by 값이 같은 항목끼리 계산 |
| 2D와 3D | Group by 값이 같은 3D 데이터의 모든 세그먼트에 2D 값 적용 |
| 3D와 3D | Group by와 segment-by 값이 모두 같은 항목끼리 계산 |
카드는 전역 ID로 참조합니다. 예제에서 $S는 전체 건물 수, $T는 Building Type별 건물 수를 나타내는 막대 차트입니다.
$T / $S
이 수식은 절대 건물 수 대신 전체에서 각 범주가 차지하는 비율을 계산합니다.
고급 집계 경로
연결 객체의 속성을 함께 계산하거나, 집계 전에 새 속성을 만들거나, 기본 차트에서 제공하지 않는 집계를 구현할 때는 다른 계산 경로를 사용합니다.
코드 함수
Code function categorical plot은 TwoDimensionalAggregation 또는 ThreeDimensionalAggregation을 반환하는 함수를 사용합니다. Workshop의 함수 기반 차트 레이어에 사용하는 집계 함수와 같은 형태입니다.
Transform table
Transform table에서 파생 속성을 만들거나 연결 객체와 조인한 뒤 Categorical plot from transform table로 해당 열을 시각화할 수 있습니다.
Dataset
Dataset은 더 큰 규모의 변환을 처리하는 경로입니다. Expression 카드에서 Contour 계열 표현식 언어를 사용하여 집계 전의 열을 만들 수 있습니다. 이것은 위의 Quiver 수식 문맥과 구분합니다.
Join datasets는 속성 일치 조건을 지정하여 left, inner 또는 right 조인을 수행합니다. Dataset에 있는 열은 Categorical plot from dataset으로 시각화할 수 있습니다. 연결 객체 조인에서 링크 탐색과 두 조인 경로를 비교합니다.
사용자 정의 Vega 차트
Vega plot 카드에서는 Vega 또는 Vega-Lite JSON 명세로 사용자 정의 시각화를 만들 수 있습니다. Transform table, 배열과 단일 값을 $A 같은 전역 ID로 참조하고, 표의 특정 열은 $A.columnname으로 참조합니다.