如何在Vega-Lite中用Window Lag处理缺失月度数据实现同比对比？

问题背景 #

使用Vega-Lite构建月度数据同比对比图表时，当前配置依赖window变换的lag:12实现去年同月数据关联，但当存在缺失月度数据时，该方法因假设数据连续有序，会导致同比匹配错误或失效。核心疑问：

• 是否能让Vega-Lite智能对齐当前月份与去年同月的数据（即使中间缺月）？
• 是否可纯通过Vega-Lite的变换/插补功能解决？
• 是否必须外部预处理补全所有月份？

解决方案 #

1. 智能对齐的可行性 #

完全可以实现基于年份+月份的精确匹配，无需依赖连续的月度数据序列，直接关联对应去年同月的数值。

2. 纯Vega-Lite实现方案 #

无需补全缺失月份，通过计算年份月份标识+lookup变换实现精准同比关联，替代原有的lag方法。核心思路是：

• 对每个月度数据生成统一的year_month标识（如"2024-01"）
• 计算去年同月的标识yoy_year_month（如"2023-01"）
• 用lookup变换根据标识匹配去年同月的聚合值

修改后的完整配置如下：

{
  "$schema": "https://vega.github.io/schema/vega-lite/v5.json",
  "layer": [
    {
      "data": {
        "format": {"parse": {"date": "date:%Y-%m-%d"}},
        "values": [
          {"date": "2024-01-18", "daily_total_login": 497},
          {"date": "2024-02-18", "daily_total_login": 296},
          {"date": "2024-03-18", "daily_total_login": 325},
          {"date": "2024-04-18", "daily_total_login": 431},
          {"date": "2024-05-18", "daily_total_login": 401},
          {"date": "2024-06-17", "daily_total_login": 289},
          {"date": "2024-07-17", "daily_total_login": 236},
          {"date": "2024-08-17", "daily_total_login": 503},
          {"date": "2024-09-17", "daily_total_login": 296},
          {"date": "2024-10-17", "daily_total_login": 543},
          {"date": "2024-11-16", "daily_total_login": 208},
          {"date": "2024-12-16", "daily_total_login": 310},
          {"date": "2025-01-16", "daily_total_login": 550},
          {"date": "2025-02-11", "daily_total_login": 20},
          {"date": "2025-03-11", "daily_total_login": 31},
          {"date": "2025-04-11", "daily_total_login": 17},
          {"date": "2025-05-11", "daily_total_login": 10},
          {"date": "2025-06-11", "daily_total_login": 19},
          {"date": "2025-07-11", "daily_total_login": 16},
          {"date": "2025-08-11", "daily_total_login": 15},
          {"date": "2025-09-12", "daily_total_login": 10},
          {"date": "2025-10-13", "daily_total_login": 4},
          {"date": "2025-11-14", "daily_total_login": 23},
          {"date": "2025-12-29", "daily_total_login": 71}
        ]
      },
      "encoding": {
        "x": {
          "field": "year_month",
          "type": "ordinal",
          "scale": {"padding": 0.2},
          "title": "月份"
        }
      },
      "transform": [
        // 转换为日期对象并统一到当月第一天
        {"calculate": "toDate(datum.date)", "as": "date"},
        {"calculate": "datetime(year(datum.date), month(datum.date), 1)", "as": "date"},
        // 按月份聚合登录总量
        {
          "aggregate": [{"op": "sum", "field": "daily_total_login", "as": "sum_daily_login"}],
          "groupby": ["date"]
        },
        // 生成年份-月份标识（用于匹配）
        {"calculate": "timeFormat(datum.date, '%Y-%m')", "as": "year_month"},
        // 生成去年同月的标识
        {"calculate": (year(datum.date) - 1) + '-' + pad(month(datum.date) + 1, 2), "as": "yoy_year_month"},
        // 基于标识lookup去年同月的聚合值
        {
          "lookup": "yoy_year_month",
          "from": {
            "data": {"values": []},
            "key": "year_month",
            "fields": ["sum_daily_login"]
          },
          "as": "yoy_sum_daily_login"
        },
        // 过滤仅显示2025年数据
        {"filter": "year(datum.date) === 2025"}
      ],
      "layer": [
        {
          "mark": {"type": "line", "tooltip": true, "point": {"filled": false, "fill": "white"}, "color": "#1f77b4"},
          "encoding": {"y": {"field": "sum_daily_login", "type": "quantitative", "title": "登录总量"}}
        },
        {
          "mark": {"type": "line", "tooltip": true, "point": {"filled": false, "fill": "white"}, "color": "#ff7f0e"},
          "encoding": {"y": {"field": "yoy_sum_daily_login", "type": "quantitative", "title": "去年同月登录总量"}}
        }
      ]
    }
  ],
  "height": "container",
  "width": "container"
}

关键变换说明

• 年份月份标识：通过timeFormat或直接计算生成%Y-%m格式的字符串，确保每个月份有唯一且可匹配的标识。
• Lookup变换：基于标识精确匹配去年同月的聚合值，不受中间缺失月份影响——即使某月份没有数据，lookup会返回null，不会出现错位。
• 无需补全数据：不需要插入空值或零值的月份，仅处理已有数据，图表会自动按现有月份的year_month有序展示。

3. 外部预处理的必要性 #

外部预处理（如Python/JS补全月份）不是必须的，但在以下场景可考虑：

• 需要在图表中显示所有月份（包括无数据的月份，用零或空值占位）
• 数据量极大，Vega-Lite的lookup变换性能不足
• 需要复杂的插补逻辑（如按趋势填充缺失值）

如果仅需实现同比数据对齐，纯Vega-Lite方案足够简洁高效。

内容的提问来源于stack exchange，提问作者Raghav Mittal