数据过滤器使用法则

本文涉及的产品
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
数据可视化DataV,5个大屏 1个月
简介: 相信很多企业版用户已经发现编辑器出现了一个新功能「数据过滤器」,然而打开这个功能之后,又不知道怎么用。今天我们就来简单入门一下这个新功能。

数据过滤器使用法则

相信很多企业版用户已经发现编辑器出现了一个新功能「数据过滤器」,然而打开这个功能之后,又不知道怎么用。今天我们就来简单入门一下这个新功能。

Screen_Shot_2017_08_21_at_21_31_19

能干什么

「数据过滤器」可以算是「字段映射」的升级版。一定有很多人已经用了「字段映射」这个功能用来满足不同组件之间的数据源复用。

映射前:

[
    {
        "sk": 1
    }
]

映射后:

[
    {
        "sk": 1,
        "value": 1
    }
]

那么问题来了,如果是下面这种数据格式,我该如何接入到组件上呢?

{
  "data": {
    "sk": 1
  }
}

这种情况下,就轮到「数据过滤器」出手了。

怎么用

首先过滤器使用的语法是 javascript,一种非常简单易上手的语言,可以参考 http://www.w3school.com.cn/js/pro_js_syntax.asp 学习。如果实在学不会,请求教公司里的前端哥哥、前端弟弟、前端姐姐、前端妹妹们。

回到「数据过滤器」的功能上。假设你已经学会了javascript语言,我们的每个过滤器是一个 function,接口定义如下,框架只传入一个变量 data,过滤器需要返回经过处理后的 data:

function (data) {
  // do something...
  return data;
}

你只需要书写函数体即可,比如我现在要把上一段的问题解决,我只需将 data 的数据格式由 Object 转换为 Array ,并且将 sk 字段的数值放到 value 字段上即可:

data.data.value = data.data.sk;
return [data.data];

或者

return [{
  "value": data.data.sk
}]

上面这两种写法,均可以达到同样的效果。

注意点:(敲黑板)

「数据过滤器」中限制了全局变量的访问,目前仅支持 Date, String, Array, Math, Object, RegExp, Boolean, parseInt, parseFloat, JSON

叠加使用

当我们将过滤器的场景标准化之后,就可以建立多个通用的过滤器,通过多个叠加方式,变成数据该有的样子。

比如我要实现一个随机数效果,并且所有数据放大100倍。

原始数据为

[
  {
    "name": "",
    "value": 232425,
    "y": 0.891111
  }
]

我先新建一个名称为随机数的过滤器

data[0].value = Math.random(0, 1);
return data;

再新建一个名称为*100的过滤器:

data.forEach(function (val,index) {
  val.y = val.y * 100;
  val.value = val.value * 100;
});
return data;

添加完成之后的效果如下图:

Screen_Shot_2017_08_21_at_21_32_02

注意点:(敲黑板)

多个过滤器叠加时,数据流动方向为从左到右,即先经过随机数处理之后的数据再传到*100进行处理。

数据过滤器的功能就先介绍到这里了,下期再见🤘

相关实践学习
Github实时数据分析与可视化
基于Github Archive公开数据集,将项目、行为等20+种事件类型数据实时采集至Hologres进行分析,并搭建可视化大屏。
阿里云实时数仓实战 - 项目介绍及架构设计
课程简介 1)学习搭建一个数据仓库的过程,理解数据在整个数仓架构的从采集、存储、计算、输出、展示的整个业务流程。 2)整个数仓体系完全搭建在阿里云架构上,理解并学会运用各个服务组件,了解各个组件之间如何配合联动。 3 )前置知识要求   课程大纲 第一章 了解数据仓库概念 初步了解数据仓库是干什么的 第二章 按照企业开发的标准去搭建一个数据仓库 数据仓库的需求是什么 架构 怎么选型怎么购买服务器 第三章 数据生成模块 用户形成数据的一个准备 按照企业的标准,准备了十一张用户行为表 方便使用 第四章 采集模块的搭建 购买阿里云服务器 安装 JDK 安装 Flume 第五章 用户行为数据仓库 严格按照企业的标准开发 第六章 搭建业务数仓理论基础和对表的分类同步 第七章 业务数仓的搭建  业务行为数仓效果图  
相关文章
|
3月前
|
C# 数据库
关系代数表达式练习(针对难题)
关系代数表达式练习(针对难题)
37 0
|
11月前
|
存储 SQL 分布式计算
Velox表达式计算原理调研
velox是Meta开源的高性能的C++计算引擎,本文主要来调研下其表达式计算的实现原理。
604 3
|
分布式计算 算法 大数据
白话Elasticsearch45-深入聚合数据分析之易并行聚合算法,三角选择原则,近似聚合算法
白话Elasticsearch45-深入聚合数据分析之易并行聚合算法,三角选择原则,近似聚合算法
82 0
|
SQL 关系型数据库 MySQL
几个必须掌握的SQL优化技巧(七):索引的最佳使用法则
在应用的开发过程中,由于开发初期的数据量一般都比较小,所以开发过程中一般都比较注重功能上的实现,但是当完成了一个应用或者系统之后,随着生产数据量的急剧增长,那么之前的很多sql语句的写法就会显现出一定的性能问题,对生产的影响也会越来越大,这些不恰当的sql语句就会成为整个系统性能的瓶颈,为了追求系统的极致性能,必须要对它们进行优化。
345 1
几个必须掌握的SQL优化技巧(七):索引的最佳使用法则
|
算法 索引
字符串切分与组合(回溯算法)
字符串切分与组合(回溯算法)
【数理逻辑】谓词逻辑 ( 前束范式 | 前束范式转换方法 | 谓词逻辑基本等值式 | 换名规则 | 谓词逻辑推理定律 )
【数理逻辑】谓词逻辑 ( 前束范式 | 前束范式转换方法 | 谓词逻辑基本等值式 | 换名规则 | 谓词逻辑推理定律 )
822 0
【数理逻辑】谓词逻辑的等值演算与推理演算 ( 个体词 | 谓词 | 量词 | 谓词逻辑公式 | 两个基本公式 | 命题符号化技巧 | 命题符号化示例 ) ★★(二)
【数理逻辑】谓词逻辑的等值演算与推理演算 ( 个体词 | 谓词 | 量词 | 谓词逻辑公式 | 两个基本公式 | 命题符号化技巧 | 命题符号化示例 ) ★★(二)
189 0
|
自然语言处理
【数理逻辑】谓词逻辑的等值演算与推理演算 ( 个体词 | 谓词 | 量词 | 谓词逻辑公式 | 两个基本公式 | 命题符号化技巧 | 命题符号化示例 ) ★★(一)
【数理逻辑】谓词逻辑的等值演算与推理演算 ( 个体词 | 谓词 | 量词 | 谓词逻辑公式 | 两个基本公式 | 命题符号化技巧 | 命题符号化示例 ) ★★(一)
241 0

热门文章

最新文章