用D3.js进行医疗数据可视化 （一）折线图 (Line Chart)
介绍
大概说说这个事情的前因后果吧。
去年下半年，我有机会参加了一个大型项目，在里面参与了前端可视化组建的开发，用的library是D3.js [2]。虽然3个月后我就结束了在这个项目里的工作，但后面断断续续也用D3做了一些别的实现。
而从几年前开始，我一直在做和healthcare相关的项目，主要就是做医疗数据的信息化，从而优化医疗领域的信息管理、决策支持。从项目的角度出发，我们的着眼点一般都是某个具体的问题，比如如何优化病人诊疗的流程。但从宏观上出发，如果能了解某个地区乃至全国的医疗服务情况是怎么样的，也是 非常有意义的 。
结合这两者，我就想做一件事情，将一些宏观的医疗服务数据通过可视化技术，更直观地表达出来。
原则
对于做这个事情，个人认为也有一些原则要遵守。首先，最基本的，医疗数据的来源要公开、权威。其次，最重要的，这样的可视化要体现医疗服务的特点，使得其在医疗领域能体现价值。当然，这不是一蹴而就的，而需要不断地在探索和实践中摸索。实践本身也是一个学习的过程。除了D3.js官网的API文档，主要的参考书就是Nick Qi Zhu的《D3.js数据可视化实战手册》[3]。由于本人较懒，后面很多实践也是在Nick的源码基础上直接修改所得。
数据来源
本着公开、权威的原则，找到了国家卫生和计划生育委员会统计信息中心[1]的统计数据。由于在这个阶段我的目标是验证医疗数据可视化的一个实现的流程，因此并没有花太多时间在数据的抓取上。通过简单的调研，发现其中全国医疗服务情况的数据还比较全面。而由于精力所限，最终选择了以下几类医疗卫生机构医疗服务量中的诊疗人次数，输出的是JSON格式文档。
- 机构合计
- 医院
- 三级医院
- 二级医院
- 一级医院
- 未定级医院
- 基层医疗卫生机构
- 医院
{
"医疗卫生机构合计": [
{
"date": "2013-05",
"value": 60005.2
},{
"date": "2013-06",
"value": 58861.9
},{
"date": "2013-07",
"value": 60264.2
},{
"date": "2013-08",
"value": 59519.3
},...
], ...
}
可视化选型
通过对数据的解读并结合之前的原则，我一开始的想法是想用D3图表表现全国不同医疗机构月均诊疗人次数随着时间的变化。也就是说，图表的横轴是时间，纵轴是诊疗人次数，而不同的医疗机构的数据能够出现在同一个图表中以便做对比。因此，我自然而然将线图(linechart)作为了第一选择。
D3实现
对于基本线图的实现，《D3.js数据可视化实战手册》中有很好的例子，也提供了源码，因此在整个coding过程中，比较多的时间花在了数据的处理上。本人使用的D3版本是3.5.5。源码如下。
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>全国医疗卫生机构医疗服务量</title>
<link rel="stylesheet" type="text/css" href="css/styles.css"/>
<script type="text/javascript" src="js/d3.min.js"></script>
</head>
<body>
<script type="text/javascript">
function lineChart() {
var _chart = {};
var _width = screen.width * 0.9, _height = 350,
_margins = {top: 30, left: 50, right: 30, bottom: 30},
_x, _y,
_data = [],
_colors = d3.scale.category10(),
_svg,
_bodyG,
_line;
_chart.render = function () {
if (!_svg) {
_svg = d3.select("body").append("div")
.style("text-align", "center")
.append("svg")
.attr("height", _height)
.attr("width", _width);
renderAxes(_svg);
defineBodyClip(_svg);
}
renderBody(_svg);
};
function renderAxes(svg) {
var axesG = svg.append("g")
.attr("class", "axes");
renderXAxis(axesG);
renderYAxis(axesG);
}
function renderXAxis(axesG){
var xAxis = d3.svg.axis()
.scale(_x.range([0, quadrantWidth()]))
.orient("bottom");
axesG.append("g")
.attr("class", "x axis")
.attr("transform", function () {
return "translate(" + xStart() + "," + yStart() + ")";
})
.call(xAxis);
d3.selectAll("g.x g.tick")
.append("line")
.classed("grid-line", true)
.attr("x1", 0)
.attr("y1", 0)
.attr("x2", 0)
.attr("y2", - quadrantHeight());
}
function renderYAxis(axesG){
var yAxis = d3.svg.axis()
.scale(_y.range([quadrantHeight(), 0]))
.orient("left");
axesG.append("g")
.attr("class", "y axis")
.attr("transform", function () {
return "translate(" + xStart() + "," + yEnd() + ")";
})
.call(yAxis);
d3.selectAll("g.y g.tick")
.append("line")
.classed("grid-line", true)
.attr("x1", 0)
.attr("y1", 0)
.attr("x2", quadrantWidth())
.attr("y2", 0);
}
function defineBodyClip(svg) {
var padding = 5;
svg.append("defs")
.append("clipPath")
.attr("id", "body-clip")
.append("rect")
.attr("x", 0 - padding)
.attr("y", 0)
.attr("width", quadrantWidth() + 2 * padding)
.attr("height", quadrantHeight());
}
function renderBody(svg) {
if (!_bodyG)
_bodyG = svg.append("g")
.attr("class", "body")
.attr("transform", "translate("
+ xStart() + ","
+ yEnd() + ")")
.attr("clip-path", "url(#body-clip)");
renderLines();
renderDots();
}
function renderLines() {
_line = d3.svg.line()
.x(function (d) { return _x(d.date); })
.y(function (d) { return _y(d.value); });
_bodyG.selectAll("path.line")
.data(_data)
.enter()
.append("path")
.style("stroke", function (d, i) {
return _colors(i);
})
.attr("class", "line");
_bodyG.selectAll("path.line")
.data(_data)
.exit()
.remove();
_bodyG.selectAll("path.line")
.transition()
.duration(1000)
.attr("d", function (d) { return _line(d); });
}
function renderDots() {
_data.forEach(function (list, i) {
_bodyG.selectAll("circle._" + i)
.data(list)
.enter()
.append("circle")
.attr("class", "dot _" + i);
_bodyG.selectAll("circle._" + i)
.data(list)
.exit()
.remove();
_bodyG.selectAll("circle._" + i)
.data(list)
.style("stroke", function (d) {
return _colors(i);
})
.transition()
.duration(1000)
.attr("cx", function (d) { return _x(d.date); })
.attr("cy", function (d) { return _y(d.value); })
.attr("r", 3.5);
});
}
function xStart() {
return _margins.left;
}
function yStart() {
return _height - _margins.bottom;
}
function xEnd() {
return _width - _margins.right;
}
function yEnd() {
return _margins.top;
}
function quadrantWidth() {
return _width - _margins.left - _margins.right;
}
function quadrantHeight() {
return _height - _margins.top - _margins.bottom;
}
_chart.width = function (w) {
if (!arguments.length) return _width;
_width = w;
return _chart;
};
_chart.height = function (h) {
if (!arguments.length) return _height;
_height = h;
return _chart;
};
_chart.margins = function (m) {
if (!arguments.length) return _margins;
_margins = m;
return _chart;
};
_chart.colors = function (c) {
if (!arguments.length) return _colors;
_colors = c;
return _chart;
};
_chart.x = function (x) {
if (!arguments.length) return _x;
_x = x;
return _chart;
};
_chart.y = function (y) {
if (!arguments.length) return _y;
_y = y;
return _chart;
};
_chart.addSeries = function (series) {
_data.push(series);
return _chart;
};
return _chart;
}
function randomData() {
return Math.random() * 9;
}
function update() {
for (var i = 0; i < data.length; ++i) {
var series = data[i];
series.length = 0;
for (var j = 0; j < numberOfDataPoint; ++j)
series.push({x: j, y: randomData()});
}
chart.render();
}
var names = [];
var data = [];
var minvalue = 0, maxvalue = 0;
var mindate = 0, maxdate = 0;
var timeformat = d3.time.format("%Y-%m");
var chart;
<pre name="code" class="javascript">//load data
d3.text("data/health-service-quantity.json", function(rawdatastr){
var rawdata = JSON.parse(rawdatastr);
names = d3.keys(rawdata);
names.forEach(function(name){
var list = rawdata[name].map(function(item){
return {
"date": timeformat.parse(item.date),
"value": item.value
}
});
//get min and max value
if(minvalue == 0){
minvalue = d3.min(list, function(d){return d.value;});
}else{
minvalue = d3.min([minvalue, d3.min(list, function(d){return d.value;})]);
}
maxvalue = d3.max([maxvalue, d3.max(list, function(d){return d.value;})]);
//get min and max date
if(mindate == 0){
mindate = d3.min(list, function(d){return d.date;});
}
if(maxdate == 0){
maxdate = d3.max(list, function(d){return d.date;});
}
data.push(list);
});
chart = lineChart()
.x(d3.time.scale().domain([mindate, maxdate]))
.y(d3.scale.linear().domain([minvalue * 0.5, maxvalue * 1.02]));
data.forEach(function (series) {
chart.addSeries(series);
});
chart.render();
});
</script>
</body>
</html>
分析一下几个技术点。
1. 从JSON文件加载数据
D3提供了d3.json，但很不幸地，此API只能加载list式的JSON（例如[1,2, 3]）而不能加载key-value式的（例如{“id”:1}）。而我之前构造的数据是以不同机构的名字作为key，其下面的数据列表作为value。因此我选择了用d3.text加载JSON文件成String，再通过JSON.parse将String变换成JSON Object。
接下来，考虑到每条线对应的是list式的数据，因此还需要对原始JSONObject做一些变换，比如将每个value中的list放到list变量data中，并将原来以字符串形式存在的date通过d3.time.format变换成Date Object。
2. 得到数据分布的最大最小值
要生成x轴和y轴，需要设置其合理的domain。这儿就要计算数据的最大最小值。对x轴而言，对应的是数据中的日期。而对不同的医疗机构而言，这儿我们假设其数据的日期范围是一样的，因此只要对一个机构的数据进行计算即可。用到的就是d3.min和d3.max。并且由于每条数据是一个JSON Object，设置d3.min和d3.max的accessor为一个返回date的function。对于y轴而言，需要计算所有机构的数据的最大最小值，因此使用了嵌套的d3.min和d3.max。
可视化结果
讨论
从呈现的结果来看，达到了初步的预期：每种机构的日均诊疗人次数各有大小；总体呈缓慢上升趋势；过年期间会小降；等等。
但总体而言，这个可视化呈现还有很多待改进的地方。
1. 需要显示图例，说明每条曲线对应的机构
2. x轴最好能显示每个月的中文名字，中间区域内的网格也是每个月一格。
3. 由于其中的机构种类有包含关系，是否对其改用堆积区图 (stackedarea chart) 比较好？
4. 从美观考虑，线的出现最好有动画效果。
后面的系列会陆续探讨这几点。
参考文献
1. 国家卫生和计划生育委员会统计信息中心.http://www.moh.gov.cn/mohwsbwstjxxzx/index.shtml
2. D3.jsAPI Reference. https://github.com/mbostock/d3/wiki/API-Reference
3. Nick Qi Zhu. D3.js数据可视化实战手册. http://book.douban.com/subject/26256865/