Counter

我使用 Python Query 造了一個測試用的資料集：

result = {}
add_result_row(result, {"date":"2018-10-29", "revenue": 100, "target": 1000}) 
add_result_row(result, {"date":"2018-10-30", "revenue": 8, "target": 99}) 
add_result_column(result, 'date', '', TYPE_DATE)
add_result_column(result, 'revenue', '', TYPE_INTEGER)
add_result_column(result, 'target', '', TYPE_INTEGER)

以 csv 方式觀看會如同以下的狀況：

date, revenue, target
2018-10-29, 100, 1000
2018-10-30,   8,   99

在 Visualization Type 選擇 Counter，
Counter Value 的值是必須的，這是在 Counter 這個視覺化方式中顯示的數字，
Column Name 選擇對應的欄位，Row Number 選擇的是第幾筆的資料，
就可以看到 圖上顯示 該欄列對應的數值：

如果配上 Target Value，
同樣 Column Name 選擇對應的欄位，Row Number 選擇第幾筆的資料，
原來的 Counter Value 會顯示為綠/紅色，分別代表是否達標，
下方 Target Value 則以 () 包圍顯示：

而 Format 頁籤可以決定 Counter Value 的格式：

• Formatting Decimal Place：要顯示幾位小數點
• Formatting Decimal Character：小數點分隔符號
• Formatting Thousands Separator：千分位分隔符號
• Formatting String Prefix：前綴字串
• Formatting String Suffix：後綴字串

Word Cloud

這邊用 relational MySQL Database 的 Mondial Dataset 來做範例，
看這份調查中，來自不同國家的樣貌

SELECT * FROM  Mondial.city 

在 Visualization Type 選擇 Word Cloud，
選擇以文字雲表現的欄位，這邊選擇 Country，就可以看到視覺化的樣貌

不過這邊再做了次資料確認，發覺視覺化的結果跟真實資料有落差：

測過10筆以下看起來是對的，但這裡有3千多筆資料就不正確了，
可能要研究底層程式碼才能找出原因(不過對 javascript實在不是很熟悉0rz)

使用案例

目前自己與公司都還沒有使用到上述這兩個 Visualization，
之前有體驗過 Word Cloud 但就有發現資料誤差的問題，所以暫時未使用，
而 Counter 因為功能比較單純，只能吃單一資料(需指定為第幾 Row)
認為使用的情境可能是：

• Counter = 當日的會員註冊人數/訂單數量/成交金額...，Target = 目標
• Counter = 當月累積的金額，Target = 月目標
  這邊就是要把有訂單資料的 Table 先以年月 Group By 傳入，
  去 Join 對應的月份目標 Table 來呈現

ps. 文章同步發表於 Medium