我有700万个生物多样性记录的csv,其中分类级别作为列。例如:
RecordID,kingdom,phylum,class,order,family,genus,species
1,Animalia,Chordata,Mammalia,Primates,Hominidae,Homo,Homo sapiens
2,Animalia,Chordata,Mammalia,Carnivora,Canidae,Canis,Canis
3,Plantae,nan,Magnoliopsida,Brassicales,Brassicaceae,Arabidopsis,Arabidopsis thaliana
4,Plantae,nan,Magnoliopsida,Fabales,Fabaceae,Phaseoulus,Phaseolus vulgaris
我想在D3中创建一个可视化,但是数据格式必须是一个网络,其中每一个不同的列值都是前一列中某个值的子级。我需要从csv变成这样:
^{pr2}$我还没有想到如何在不使用1000个for循环的情况下做到这一点。有人对如何在python或javascript上创建这个网络有什么建议吗?在
使用python和
python-benedict
库可以很容易地完成您所需的工作(它是Github上的开放源代码:安装
pip install python-benedict
第一次打印输出将是:
^{pr2}$第二次打印输出将是:
为了创建您想要的精确嵌套对象,我们将使用纯JavaScript和名为^{} 的D3方法的混合。但是,请记住,700万行(请参见下面的post scriptum)需要大量计算。在
值得一提的是,对于这个提议的解决方案,您必须在不同的数据数组中(例如,使用
Array.prototype.filter
)将王国分开。这种限制的发生是因为我们需要一个根节点,在林奈分类法中,王国之间没有任何关系(除非你创建一个顶级的“Domain”,这将是所有真核生物的根,但是对于古生菌和细菌,你会有同样的问题)。在所以,假设您有这个CSV(我添加了一些行)和一个王国:
基于这个CSV,我们将在这里创建一个名为
^{pr2}$tableOfRelationships
的数组,顾名思义,它具有列组之间的关系:对于上面的数据,这是
tableOfRelationships
:请看一下
null
作为Animalia
的父级:这就是为什么我告诉过您需要按王国来分隔数据集,整个表中只能有一个null
值。在最后,基于该表,我们使用
d3.stratify()
创建层次结构:这是演示。打开浏览器的控制台(代码段的控制台不适合此任务),检查对象的几个级别(
children
):const csv = `RecordID,kingdom,phylum,class,order,family,genus,species 1,Animalia,Chordata,Mammalia,Primates,Hominidae,Homo,Homo sapiens 2,Animalia,Chordata,Mammalia,Carnivora,Canidae,Canis,Canis latrans 3,Animalia,Chordata,Mammalia,Cetacea,Delphinidae,Tursiops,Tursiops truncatus 1,Animalia,Chordata,Mammalia,Primates,Hominidae,Pan,Pan paniscus`; const data = d3.csvParse(csv); const taxonomicRanks = data.columns.filter(d => d !== "RecordID"); const tableOfRelationships = []; data.forEach(row => { taxonomicRanks.forEach((d, i) => { if (!tableOfRelationships.find(e => e.name === row[d])) tableOfRelationships.push({ name: row[d], parent: row[taxonomicRanks[i - 1]] || null }) }) }); const stratify = d3.stratify() .id(function(d) { return d.name; }) .parentId(function(d) { return d.parent; }); const hierarchicalData = stratify(tableOfRelationships); console.log(hierarchicalData);
; ;PS:我不知道您将创建什么样的dataviz,但您确实应该避免分类级别。整个林奈分类法已经过时了,我们不再使用等级:因为系统发生系统学是在60年代中期发展起来的,我们只使用分类单元,没有任何分类等级(这里是进化生物学老师)。另外,我对这700万行很好奇,因为我们已经描述了100多万种物种!在
var log = console.log; var data = ` 1,Animalia,Chordata,Mammalia,Primates,Hominidae,Homo,Homo sapiens 2,Animalia,Chordata,Mammalia,Carnivora,Canidae,Canis,Canis 3,Plantae,nan,Magnoliopsida,Brassicales,Brassicaceae,Arabidopsis,Arabidopsis thaliana 4,Plantae,nan,Magnoliopsida,Fabales,Fabaceae,Phaseoulus,Phaseolus vulgaris`; //make array of rows with array of values data = data.split("\n").map(v=>v.split(",")); //init tree var tree = {}; data.forEach(row=>{ //set current = root of tree for every row var cur = tree; var id = false; row.forEach((value,i)=>{ if (i == 0) { //set id and skip value id = value; return; } //If branch not exists create. //If last value - write id if (!cur[value]) cur[value] = (i == row.length - 1) ? id : {}; //Move link down on hierarhy cur = cur[value]; }); }); log("Tree:"); log(JSON.stringify(tree, null, " ")); //Now you have hierarhy in tree and can do anything with it. var toStruct = function(obj) { let ret = []; for (let key in obj) { let child = obj[key]; let rec = {}; rec.name = key; if (typeof child == "object") rec.children = toStruct(child); ret.push(rec); } return ret; } var struct = toStruct(tree); console.log("Struct:"); console.log(struct);
;