как сделать комплексную редукцию кроссфильтра

Я пытаюсь создать переменную для вставки dc.js с использованием настраиваемого сокращения (reduceAdd, reduceRemove и т. Д.), И мне сложно понять, как ее закодировать.

Я написал функцию вне этих функций сокращения и теперь должен воспроизвести те же самые функции сокращения, чтобы использовать то же самое для построенных графиков. Логика и код, написанные для внешних функций сокращения, следующие

Логика: для каждой уникальной доступной contact_week (дат) найдите максимальное значение week_number, затем просуммируйте переменную TOTCOUNT и переменную DECAY_CNT и вычислите процент (DECAY_CNT / TOTCOUNT).

Вот исходный код без использования кроссфильтра:

 //Decay % logic   
  var dates = d3.map(filter1,function(d) { return d.CONTACT_WEEK;}).keys() ;
  console.log(dates);
  var sum1,sum2 = 0;


  for(var i=0; i<dates.length; i++)
    {
      data1 = filter1.filter(function(d) { return d.CONTACT_WEEK == dates[i] ;});
      //console.log(data1);
      var max = d3.max(data1, function(d) { return +d.WEEK_NUMBER ;});
      //console.log(max);
      data2 = data1.filter(function(d) { return d.WEEK_NUMBER == max ;});

      var sum1 = d3.sum(data2, function(d) { return d.TOTCOUNT ;});
      var sum2 = d3.sum(data2, function(d) { return d.DECAY_CNT ;});
      console.log(sum1);
      var decay = sum2/sum1 * 100 ;
      console.log(decay); 

    } 

Первым шагом в этом является определение уникальных значений дат (contact_week). Как мне сделать это в функциях сокращения, поскольку это уже цикл for, который просматривает данные?

Я думаю, что для max и т. Д. Мы можем использовать reductio или какую-либо другую логику, как указано в комментариях, но я не совсем понимаю подход / дизайн, которому здесь нужно следовать

Любая помощь в подходе / решениях будет принята с благодарностью.

ОБНОВЛЕНИЕ 2:

Пробуем новый подход с помощью reductio js

Пояснение к данным:

Несколько столбцов в моих данных - contact_week (даты); номер_недели (числа - от -4 до 6); decay_cnt (целые числа); totcount (целые числа); продолжительность (порядковые значения - до, во время и после);

Теперь мне нужно рассчитать процент распада, который рассчитывается следующим образом: Для каждой уникальной contact_week найдите максимальное значение week_number, теперь для этого отфильтрованного набора данных вычислите сумму (decay_cnt) / sum (totcount)

dateDimension2  = ndx.dimension(function(d) {return d.CONTACT_WEEK ;});
decayGroup = reductio().max(function (d) { return d.WEEK_NUMBER; })(dateDimension2.group());


chart2
    .width(500)
    .height(200)
    .x(d3.scale.ordinal())
    //.x(d3.scale.ordinal().domain(["DURING","POST1"]))
    .xUnits(dc.units.ordinal)
    //.xUnits(function(){return 10;})
    //.brushOn(false)
    .yAxisLabel("Decay (in %)")
    .dimension(dateDimension)
    .group(decayGroup)
    .gap(10)
    .elasticY(true)
    //.yAxis().tickValues([0, 5, 10, 15])
    //.title(function(d) { return d.key + ": " + d3.round(d.value.new_count,2); })
    /*.valueAccessor(function (p) {
    //return p.value.count > 0 ? (p.value.dec_total / p.value.new_count) * 100  : 0;
    return p.value.decay ;
    })*/
    .valueAccessor(function(d) { return d.value.max; })
    .on('renderlet', function(chart) {
        chart.selectAll('rect').on("click", function(d) {
            console.log("click!", d);
        });
    })
    .yAxis().ticks(5);