小さな数字と組み合わせて、y 軸の大きな数字を管理/プロットしようとするのに苦労しています。
両方の y 軸タイプの例を次に示します: http://jsfiddle.net/index/6FBec/1/
最初のグラフ (線形) の場合: 問題は、小さな数値が下にほぼ平らにプロットされることです。
2 番目のグラフ (対数) の場合: ここでは (実際にはこれの方が優れています)、大きな数値が大きくなりすぎると、次のティックのギャップが大きくなります (グラフ 2 の最後のポイントは 12,250 で、最大の y 軸は 100,000 です)。
問題は、別の y 軸タイプがあるか、または線形のようなことを行うにはどうすればよいかということですが、何かが大きすぎると、最初に小さなギャップを使用してから成長するなど、対数のようなことを行います。
PS: 0.1 の値は気にしないでください。0 の値を望まない対数の温度。
ポイント間のギャップを減らすためにいくつかの数式を使用しましたが、相対的な違いをグラフィカルに表示しています。これを行うには、サーバー上のデータを処理し、ポイントが別のポイントと大幅に異なる場合は、両方の平方根を使用します。これを示すいくつかの例を次に示します。
値: 220、110、55、5
値: 1100、220、110、55、5
データは、小数点第 3 位に四捨五入された平方根として送信されます。次に、yAxis ラベルとツールチップでフォーマッターを使用して、適切な値を表示します。また、 を使用して、ラベルが整数として表示されるようにしていparseIntます。
I would strongly suggest sticking to either linear or logarithmic, as these are kind of standards and would be intuitive for the user. These two suffice most of the visualization needs. The data that you are plotting in your example, is it production data? Is this how your data is going to be always, or just a one-off case? The easiest way to determine what axis to use is to find the variation or Standard Deviation or your data, if it is small use linear, if its large use logarithmic (the threshold of small & large can be tweaked based on your data).
I would say the visualizations that you have got in the jsFiddle are pretty much what you should use.
1) Linear You see one data point shooting out, and others are nearly (when compared to the largest in terms of %) same value. So you should very much show it as it, this gives the user a hint that something is terribly wrong. If you try to make the curve look nice, the user will always have to refer to the values and won't be able to make inferences just by looking at the graph, this is the whole purpose of charts. It won't make much sense to just a good looking graph when the user will have to go through the trouble of manually looking at the values of the data points to make quick inferences.
2) Logarithmic When your data is really skewed, yet there are pockets/clusters of data (not just one point being an outlier), go for this one.
If you must need to use some other scale (have a thorough understanding of your production data first, else you will end up prettifying your test data and mess up real data) use some similar standard like square or square root in @Dan Thomas's answer or best way is to if possible, get a generic (not real, but ideal way your data would be) equation for your data. So if your data is like y=A*x2+ Bx + C, go for squared, if it is of the form y=A*x + B go for linear, if y=A*log+(x)+B go for logarithmic and so on