自從本施奈德曼在20世紀90年代早期開發了樹形圖，人們已經提出了用於佈置瓦片或矩形的新算法來表示數據。Treemap是一種區域填充可視化，旨在表示數據，以便用戶可以通過查看矩形的相對區域輕鬆地比較值。您可能熟悉Treemap平台 JMP 或者使用Graph Builder中的Treemap選項。
JMP中的樹圖總是使用Split算法生成切片。該算法的優點是可以在可視化中保留數據的順序。它也很穩定 - 這意味著當您調整可視化時，矩形往往會保留在同一個區域。這樣可以更輕鬆地找到特定值。
讓我們看一下舊金山犯罪數據的樹形圖，您可以在JMP的示例數據文件夾中找到它。
在此樹形圖中，我們可以看到在特定時間段內每類犯罪事件的數量。矩形越大，犯罪類型越多。似乎Larceny / Theft是最常見的。但接下來呢？是非刑事犯罪還是其他犯罪？有時，當值相似時很難比較值，特別是當矩形不是彼此靠近時。另外，欺詐與可疑Occ（Occurrences的縮寫）相比如何？使用JMP中的當前算法，我們有時會得到奇形狀的矩形，無論是高又瘦還是短而胖。這使得很難比較這些值。
為了解決這些問題，JMP 12中的Treemap現在包含一個名為Squarify的新平鋪算法。你在Anne Milley的帖子裡看到了這個，有抱負的數據分析師需要知道什麼 。Squarify按大小對矩形進行排序，以便我們可以更輕鬆地比較相似的值。最大值始終位於左上角，最小值位於右下角。有明確的線條顯示空間是如何劃分的，表明矩形的生成順序，以及值的順序。
因此，讓我們從佈局菜單選項中選擇Squarify而不是Split。盜竊/盜竊顯然是最大的價值。使用從Larceny / Theft右側從頂部到底部延伸的線作為線索，我知道其他違法行為是次大的，其次是非犯罪，攻擊，故意破壞等。
Squarify還試圖將每個矩形的縱橫比保持接近1，因此它接近於正方形。這避免了難以比較或在某些情況下甚至難以看到的奇形矩形。在第一張圖片中，您可能會在Assault上方的左上角看到一個細長的紅色水平矩形。這代表了Arson的價值。由於奇怪的形狀和低價值的事實，很難比較甚至很難找到。在顯示Squarify的第二張圖片中，您可以在右下角附近找到縱火，但您可以看到其下方還有其他矩形 - 這表示縱火不是最小值。
因此，如果您正在使用Treemap並且想要查找特定值，則Split可能是適合您的算法。它將保留數據的順序，並使特定值更容易找到。但是，如果您要回答的問題是哪個值最大或最小，或者您想要比較相似的值，那麼請嘗試使用Squarify。它可能會更容易找到答案。
那麼如果你的Treemap中有嵌套類別會發生什麼？這是另一篇博文的主題。
約翰龐特中寫道：
Ordering變量用於更改數據的默認順序。默認情況下，數據表中數據的順序保留在Treemap中。Ordering變量將根據為Ordering指定的變量更改該變量。例如，假設您擁有美國州的數據。默認情況下，Treemap將按字母順序排序。但是你可以使用緯度和/或經度作為Ordering變量，然後Treemap矩形將按美國各州的位置排序。您可以使用JMP的Sample Data目錄中的Cities.jmp數據表來試驗這一點。但是，如果指定Squarify，則Squarify將按大小排序，因此使用Squarify會忽略任何Ordering變量。
蘭迪中寫道：
Squarify與JMP 11中的Treemap平台的Ordering變量之間的區別是什麼 - 將字母順序（從左上角到右下角的值從“進度”）更改為按指定變量排序？
- 蘭迪（JMP新手）
