Project Icon

geostats

地理统计数据分类与可视化的JavaScript库

geostats是一个开源的JavaScript库,遵循MIT许可,专注于地理统计数据的分类和可视化。它提供等间隔、分位数、标准差等多种分类方法,以及丰富的统计功能。该库支持生成HTML格式图例,适用于地图和数据可视化项目。geostats具有灵活的API,支持自定义分类方法和颜色方案,可广泛应用于地理信息系统(GIS)和数据分析领域。

geostats

geostats 是一个由 Simon Georget 根据 MIT 许可发布的用于分类的小型独立 JS 库。

其他贡献者:Doug Curl(Jenks2 算法)、Casey Thomas、Dreamind、cricri

→ 如果您正在寻找 geostats 的 TypeScript 实现,请使用 GeoBuckets 库。

目前支持的功能

  • 等间隔
  • 分位数
  • 标准差
  • 等差级数
  • 等比级数
  • 詹克斯(自然断点)- 2种方法
  • 唯一值
  • 用户自定义分类

以及一些统计方法

要使用它,只需下载 geostats 包并在 HTML 页面中包含以下行:

   <script type="text/javascript" src="path/to/lib/geostats.min.js"></script>

请查看示例页面以了解其工作原理!

API

属性:

  • serie:包含统计总体。默认:空。
  • separator:用于分隔范围值,默认为:' - '
  • legendSeparator:默认等于 separator
  • method:提供有关所使用分类方法的信息。默认:空。
  • bounds:分类边界
  • ranges:分类范围
  • colors:分类颜色
  • debug:默认值为 false。设置为 true 时,提供有关对象和属性的有用调试信息。
  • silent:默认值为 false。如果为静默模式,当输入不正确时不触发 alert() 消息,但显示 console.log() 消息

方法:

统计:

  • min():返回最小值
  • max():返回最大值
  • sum():返回总体总和
  • pop():返回个体数量
  • mean():返回平均值
  • median():返回中位数
  • variance():返回方差
  • stddev():返回标准差
  • cov():返回变异系数

分类:

  • getClassEqInterval(nbClass) : 执行等间隔分类并将边界值返回到数组中。别名:getEqInterval(nbClass)
  • getClassStdDeviation(nbClass) : 执行标准差分类并将边界值返回到数组中。别名:getStdDeviation(nbClass)
  • getClassArithmeticProgression(nbClass) : 执行算术级数分类并将边界值返回到数组中。别名:getArithmeticProgression(nbClass)
  • getClassGeometricProgression(nbClass) : 执行几何级数分类并将边界值返回到数组中。别名:getGeometricProgression(nbClass)
  • getClassQuantile(nbClass) : 执行分位数分类并将边界值返回到数组中。别名:getQuantile(nbClass)
  • getClassJenks(nbClass) : 执行Jenks分类并将边界值返回到数组中。别名:getJenks(nbClass) - 优化版本 / 参见 #49
  • getClassJenks2(nbClass) : 执行Jenks分类并将边界值返回到数组中。别名:getJenks2(nbClass) - 旧版本
  • getClassUniqueValues() : 执行唯一值分类并将边界值(值)返回到数组中。别名:getUniqueValues()
  • setClassManually() : 根据传入的数组设置用户自定义分类(返回相同的数组)。用于自动设置边界/范围和生成图例。

构造函数方法:

  • setSerie() : 填充 serie 属性
  • setColors() : 填充 colors 属性
  • setPrecision() : 设置数列精度 - 仅适用于浮点数列。可以不带参数(自动精度),或取0-20之间的整数。默认情况下,精度将由 geostats 自动计算。

获取方法:

  • getRanges(array) : 返回一个类别范围数组(ranges 值)
  • getRangeNum() : 返回值所属的 this.ranges 的编号/索引
  • getHtmlLegend(colors, legend, callback, mode, order) : 返回HTML格式的图例。
    colors 定义颜色数组;legend 用于给图例不同的标题;使用 counter,可以显示特定的计数值;callback 是应用于图例边界的函数;mode 用于不同的值范围显示模式;order 指的是值的排序顺序。更多详情,请参考 getHtmlLegend 方法附带的代码注释
  • getSortedlist() : 以文本格式返回排序后的数列
  • getClass() : 返回给定值的类别

内部方法:

  • _nodata() : 检查 serie 属性是否非空
  • _hasNegativeValue() : 检查数列是否包含负值
  • _hasZeroValue() : 检查数列是否包含零值
  • sorted() : 返回升序排序的数列
  • info() : 以文本格式返回关于总体的信息
  • setRanges() : 填充 ranges 属性(类别范围数组)
  • doCount() : 执行按类别计数功能,用于在图例中显示计数特征 注意:如果你正在寻找一个用于格式化数字以便显示的优秀JavaScript库,请直接使用numeraljs

MIT 许可证

版权所有 (c) 2011 Simon Georget

特此免费授予任何获得本软件副本和相关文档文件("软件")的人不受限制地处置该软件的权利,包括不限于使用、复制、修改、合并、发布、分发、再许可和/或出售该软件的副本,以及允许被提供该软件的人这样做,但须遵守以下条件:

上述版权声明和本许可声明应包含在该软件的所有副本或重要部分中。

软件按"原样"提供,不提供任何形式的明示或暗示的保证,包括但不限于对适销性、特定用途的适用性和非侵权性的保证。在任何情况下,作者或版权持有人均不对任何索赔、损害或其他责任负责,无论是因合同、侵权或其他原因引起的,与软件或其使用或其他交易有关。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号