Crossfilter含空白值过滤异常：多维度观测数据筛选求助

你的问题在临床观测这类场景里特别常见——那些表格里的0、空字符串或者blank并非真的缺失数据，只是为了适配表格结构填充的占位符，但Crossfilter默认的严格匹配筛选会把这些行误过滤掉。下面给你几个实用的解决方案，按实现复杂度从低到高排序：

方案1：预处理空白值+自定义筛选器（最快落地） #

先把数据里的占位空白值统一替换成一个特殊标记（比如null或者"NO_RECORD"），然后在创建维度时，用自定义筛选函数让带标记的行自动通过筛选，不会被误排除。

代码示例： #

// 1. 预处理数据：把各种空白占位符替换为null
const processedData = rawData.map(row => ({
  ...row,
  bloodPressure: (row.bloodPressure === "" || row.bloodPressure === 0) ? null : row.bloodPressure,
  weight: (row.weight === "" || row.weight === 0) ? null : row.weight
}));

// 2. 创建Crossfilter实例
const cf = crossfilter(processedData);

// 3. 针对血压维度写自定义筛选逻辑
const bpDimension = cf.dimension(d => d.bloodPressure);
function filterBpRange(min, max) {
  bpDimension.filterFunction(d => {
    // 无记录的行直接保留，否则判断是否在目标范围内
    return d === null || (d >= min && d <= max);
  });
  dc.redrawAll();
}

// 体重维度同理处理
const weightDimension = cf.dimension(d => d.weight);
function filterWeightRange(min, max) {
  weightDimension.filterFunction(d => {
    return d === null || (d >= min && d <= max);
  });
  dc.redrawAll();
}

这样设置后，用户筛选血压范围时，那些没有血压记录的行（标记为null）会被保留；同时筛选体重和血压时，只要满足其中一个条件（或两个都满足）的行都会被留下，完全贴合你的业务逻辑。

方案2：直接用自定义筛选器处理原始空白值（无需修改数据） #

如果不能改动原始数据，也可以直接在筛选时判断原始的空白占位符：

const bpDimension = cf.dimension(d => d.bloodPressure);

// 筛选血压范围[80,120]，同时保留空白行
bpDimension.filterFunction(d => {
  const isPlaceholder = d === "" || d === 0 || d === "blank";
  return isPlaceholder || (d >= 80 && d <= 120);
});
dc.redrawAll();

这种方式不用预处理数据，适合原始数据不可修改的场景。

方案3：重构数据为窄表结构（长期规范方案） #

如果你的数据量较大、后续还要扩展更多观测指标，推荐把原来的宽表（一行包含多个指标）改成窄表（一行对应一个指标的一次观测），从根源上避免空白值问题：

原始宽表结构： #

重构后的窄表结构： #

然后基于新结构创建维度和筛选逻辑：

const cf = crossfilter(processedNarrowData);
const metricDimension = cf.dimension(d => [d.metricType, d.metricValue]);
const patientDimension = cf.dimension(d => d.patientId);

// 筛选体重[60,80]且血压[80,120]的患者
const weightValidPatients = metricDimension.filterFunction(d => 
  d[0] === "weight" && d[1] >=60 && d[1] <=80
).top(Infinity).map(item => item.patientId);

const bpValidPatients = metricDimension.filterFunction(d => 
  d[0] === "bloodPressure" && d[1] >=80 && d[1] <=120
).top(Infinity).map(item => item.patientId);

// 取两个筛选结果的交集，得到符合条件的患者ID
const targetPatients = [...new Set(weightValidPatients.concat(bpValidPatients))];
patientDimension.filter(targetPatients);
dc.redrawAll();

这种结构更贴合观测数据的本质，后续加血糖、心率这类新指标也会更方便，只是需要调整dc.js图表的渲染逻辑（比如按metricType分组绘制柱状图）。

内容的提问来源于stack exchange，提问作者bernam