【第1363期】 用JS写一个同Excel表现的智能填充算法

前言

好奇这样的想法是怎么来的。今日早读文章由腾讯@jrainlau投稿分享。

正文从这开始～

在使用Excel的时候，发现它的“智能填充”功能非常有趣，能够智能地分析我当前的内容，然后准确预测出我期望得到的值。排除了AI的加成，发现这个功能其实也可以通过数学理论和简单代码来实现。经过一番折腾，终于用JS实现了大致的功能，然后我把它名为smart-predictor。

什么是“智能填充”？

首先我们来看两张gif图：

是不是很神奇？假设我有一组给定的数据[1, 3, ‘aaa1’, ‘bbb2’]，Excel的智能填充能够给我返回[5, 7, ‘aaa2’, ‘bbb3’, 9, 11 ‘aaa3’, ‘bbb4’]这一组数据。

更厉害的是，智能填充不是简单地对数据进行递增，而是会对数据进行分组，每个分组按照自己的规则去进行递增，就比如说我们可以从[1, 2, ‘x’, 3]得到[3, 4, ‘x’, 4]。

在明白这些结论之后，我们就可以去讨论它到底是怎么实现的。

Separator

我们用数组[1, 2, ‘a1c’, ‘a2c’]作为例子。当我们拿到这样一个数组的时候，第一步是要对其进行分析，分析数组内每个元素到底是一个数字，一段字符串，还是别的什么东西。分析完了，就要给他们都标注更详细的信息，然后把这些信息都组合起来。

比如数组元素1，可以被处理成下面这个样子：

{
 realValue: 1,
 numericValue: 1,
 splitParts: 'Number',
 index: 0
}

而数组元素a1c，则可以处理成这样：

{
 realValue: 'a1c',
 numericValue: 1,
 splitParts: ['a', 'c'],
 index: 2
}

可以注意到，我会提取每一个元素的纯数字部分出来，然后把其余部分通过一个数组储存起来。这一切就是Separator所做的工作，我们最终会得到一个富含信息的新数组，然后继续我们的工作吧！

Classifier

智能填充的最小单位是“组”。当我们通过上一步得到一个富含信息的新数组之后，接下来就应该对它们进行合理的分组。分组的动作包含了两个细节：

• 同一组的数据应该拥有一致的“类型”，这里我们使用splitParts属性去实现。

• 同一组的数据应该是连续的，否则的话就要把不连续的数据扔到一个新的组去。

假设有一个数组[1, 2, ‘a1c’, ‘a2c’, 6, 8]，元素1和2就应该被分配到名为Number的组去，a1c和a2c则会被分配到名为ac的组里面，而6和8则会被另外分配到名为Number1的新组里面去，最后结果如下：

{
 'Number': [{
   realValue: '1',
   ...
 }, {
   realValue: '2',
   ...
 }],
 'ac': [{
   realValue: 'a1c',
   ...
 }, {
   realValue: 'a2c',
   ...
 }],
 'Number1': [{
   realValue: '6',
   ...
 }, {
   realValue: '8',
   ...
 }]
}

通过上述步骤，我们成功把数据进行分组，组与组之间的元素并不会相互干扰。接下来我们需要实现一个专门做“线性回归”的方法，有了这个方法我们才能对数据进行“预测”。

Linear regression

“线性回归”是一个数学理论，详情请自己google之，这里我直接使用线性回归的二元一次公式去求得回归直线的斜率：

y = ax + b
a = ∑(x−x')(y−y') / ∑(x−x')(x−x')

其中x’是所有点x坐标的平均数，同样的，y’是所有点y坐标的平均数。

通过这条公式，我们可以轻易得到数组[1, 3]的斜率和偏移量为{ a: 2, b:1 }，然后就可以知道以后的数据走向将会是[5, 7, 9, …]。

这就是整一个“智能填充”的核心原理，接下来我们就可以依靠这个原理去实现数据的预测了。

Predictor

借助线性回归的力量，我们可以通过设置预测的次数，挨个挨个地对每一个分组数据进行预测，然后再把它们组合到一起形成一个新的结果数组。

以上文Classifier中的分组数据为例，对它预测一次，结果如下：

{
 'Number': [{
   realValue: '1',
   index: 0,
   ...
 }, {
   realValue: '2',
   index: 1,
   ...
 }, {
   realValue: '3',
   index: 6,
   ...
 }, {
   realValue: '4',
   index: 7,
   ...
 }],
 'ac': [{
   realValue: 'a1c',
   index: 2,
   ...
 }, {
   realValue: 'a2c',
   index: 3,
   ...
 }, {
   realValue: 'a3c',
   index: 8,
   ...
 }, {
   realValue: 'a4c',
   index: 9,
   ...
 }],
 'Number1': [{
   realValue: '6',
   index: 4,
   ...
 }, {
   realValue: '8',
   index: 5
   ...
 }, {
   realValue: '10',
   index: 10,
   ...
 }, {
   realValue: '12',
   index: 11
   ...
 }]
}

由于我们知道每一个数据的下标，所以我们可以简单又准确地把它们放到正确的位置去，最后输出如下：

[1, 2, 'a1c', 'a2c', 6, 8, 3, 4, 'a3c', 'a4c', 10, 12]

接下来我们可以来看看测试用例对比Excel表现：

More

当前的smart-predictor仍然不够“smart”，它只能预测自然数字，或者自然数字与字符串的结合，但仍然不支持对日期格式，字母列表等数据的预测。如果各位读者有兴趣，也非常欢迎大家来贡献脑洞，让smart-predicotr变得更加智能。

项目地址：
https://github.com/jrainlau/smart-predictor

关于本文
作者：@jrainlau
原文：
https://segmentfault.com/a/1190000015951750

最后，为你推荐