DataV地图组件全新发布,带你玩转地理大数据

本文涉及的产品
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
数据可视化DataV,5个大屏 1个月
简介: DataV平面地图组件全新升级,无级缩放、支持下钻的行政区域热力图、高性能渲染、多合一散点图、线热力图、数据优先渲染...,带你抢先看!

一、无级缩放

总会遭遇到这样的尴尬,地图缩放等级多一级太大,少一级又太小,强迫症患者简直不能忍,别担心,新版本的地图组件支持分数级缩放啦!下面就带大家感受一下:

zoom

有了无级缩放,大家就可以任意调整至最合适的显示区域了,不用在两个整数缩放等级之间纠结万分了,是不是很赞?

二、新增行政下钻区域热力组件

这个可以说是诸多客户期待已久的组件了,终于在DataV地图组件亮相啦!先来一睹为快:

drill2

相比较之前需要在地图工具上下载对应的区域的geojson数据再填入区域热力图的矢量面数据源,然后再配置映射数据来说(如下图gif所示),这个组件就给大家带来极大的方便了。

area_old

下面来介绍下这个支持下钻的区域热力图组件,组件内置全国省市区的地理数据,使用区域的adcode作为关联值,在映射数据中字段是area_id

  1. 操作上采用双击区域则下钻到下一级,双击无数据区域则返回上一层。
  2. 同时支持默认显示省份的选择,可以自定义初始显示的省份。
  3. 在数据上组件支持将下级的数据聚合到上一级。
    如示例图所示,如果杭州市一级未填写相应的数据则会将下一级的桐庐县的数据聚合上来作为市的数据,如果市一级已有数据映射则不聚合下级区域的数据。
  4. 其他操作同区域热力图组件,支持回调、数据优先渲染、标注、交互等。

附:省市区adcode与经纬度映射表.csv

三、高性能渲染

新版本的地图图层全部选用canvas优先进行渲染,大大提升了数据渲染能力。scatter

四、散点层(散点、多系列散点(支持数据映射)、图标点、多系列图标点)

这个厉害了,多合一组件,将之前的散点层、多系列散点层和图标点层的功能全部集成进来,还有隐藏功能哦。

下面先带您感受一下这个新组件:

scatter2

  1. 支持图标和散点切换展示
  2. 均支持多系列配置(数据的type字段配置)
  3. 均支持回调ID配置
  4. 支持散点数据映射(数据的value字段配置)
  5. 支持自定义图标点url(数据的iconUrl字段配置)
  6. 支持点击弹窗(数据的info字段配置)
  7. 支持对点进行标注
  8. 支持图标位置和标注位置设置
  9. 还支持图标点的旋转角度设置(不知道眼尖的同学有没有看到)(数据的rotationAngle字段配置)

注意:如果没有配置系列值或者不在系列值之内的数据点会使用默认配置进行渲染。

下面讲一下这个图标点旋转角度设置的配置,先带大家看一下效果:

rotate

使用方式很简单,就是在数据字段内加一个字段rotationAngle(这个字段是用来表示旋转角度,单位默认是°,您只需填数值即可),再选择使用图标渲染,然后上传一个自定义图标或者在数据字段中自定义iconUrl即可。

[
  {
    "lng": 102.2212,
    "lat": 31.8998,
    "rotationAngle": 45
  },
  {
    "lng": 120.079,
    "lat": 28.6542,
    "rotationAngle": 90
  }
  ...
]

五、新增线热力图组件

想绘制地铁线路图苦于在DataV找不到合适的地图组件?不用怕,DataV新增线状图层可视化,下面带您看一下这个组件的功能。

line

该组件跟区域热力图一样需配置两个数据源(矢量线数据和映射数据)。

其中矢量线数据为geojson类型的数据,要素类型为LineString,如果需要跟映射数据对应,必须保证有唯一的link_id或者id字段。关于geojson的标准可以参考http://geojson.org/geojson-spec.html

如:

{
  "type": "FeatureCollection",
  "features": [
    {
      "type": "Feature",
      "properties": {
        "link_id": 1,
        "name": "test"
      },
      "geometry": {
        "type": "LineString",
        "coordinates": [
          [
            109.4677734375,
            41.409775832009565
          ],
          [
            117.46582031249999,
            36.31512514748051
          ],
          [
            118.828125,
            32.0639555946604
          ],
          [
            114.9169921875,
            27.566721430409707
          ]
        ]
      }
    }
  ]
}

那么映射数据对应则为:

[
  {
    "link_id": 1,
    "value": 1,
    "color": "#ED3229"
  }
]

这里支持数据优先的渲染,如果您配置了诸如color线颜色、weight线宽、dashArray虚线等字段,那么会优先使用这些属性来对关联的线进行渲染,这里的示例数据分别填入两个数据源之后,来看一看长什么样:

line2

总结一下新的线热力图组件支持的功能:

  1. 支持回调ID
  2. 支持点击弹窗
  3. 支持交互,如点击缩放到线区域范围、悬停效果
  4. 支持数据映射,最大值最小值映射到颜色范围
  5. 支持数据优先渲染

六、其他组件

1.点热力图组件重构

heatmap

2.瓦片图层支持蒙版,滤镜调整更明显

mask

3.区域热力层增加点击聚焦、支持数据优先渲染(支持fillColor填充色、color边线色、weight边线宽、dashArray虚线配置)area

4.地图父组件支持配置数据源来更改地图中心点和缩放等级

map

地图中心点和缩放等级配置示例数据:

 [
     {
       "zoom": 4,
       "lng": 112,
       "lat": 34
     }
   ]

这些功能只要是DataV的企业版用户均可以享受到,更多功能和玩法期待大家去挖掘,也欢迎大家给我们提建议,我们会努力改进!

相关实践学习
DataV Board用户界面概览
本实验带领用户熟悉DataV Board这款可视化产品的用户界面
阿里云实时数仓实战 - 项目介绍及架构设计
课程简介 1)学习搭建一个数据仓库的过程,理解数据在整个数仓架构的从采集、存储、计算、输出、展示的整个业务流程。 2)整个数仓体系完全搭建在阿里云架构上,理解并学会运用各个服务组件,了解各个组件之间如何配合联动。 3 )前置知识要求   课程大纲 第一章 了解数据仓库概念 初步了解数据仓库是干什么的 第二章 按照企业开发的标准去搭建一个数据仓库 数据仓库的需求是什么 架构 怎么选型怎么购买服务器 第三章 数据生成模块 用户形成数据的一个准备 按照企业的标准,准备了十一张用户行为表 方便使用 第四章 采集模块的搭建 购买阿里云服务器 安装 JDK 安装 Flume 第五章 用户行为数据仓库 严格按照企业的标准开发 第六章 搭建业务数仓理论基础和对表的分类同步 第七章 业务数仓的搭建  业务行为数仓效果图  
目录
相关文章
|
1月前
|
存储 分布式计算 API
大数据-107 Flink 基本概述 适用场景 框架特点 核心组成 生态发展 处理模型 组件架构
大数据-107 Flink 基本概述 适用场景 框架特点 核心组成 生态发展 处理模型 组件架构
84 0
|
11天前
|
SQL 数据采集 分布式计算
【赵渝强老师】基于大数据组件的平台架构
本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层:数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中,大数据平台层为核心,负责数据的存储和计算,支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型,应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
【赵渝强老师】基于大数据组件的平台架构
|
3月前
|
数据可视化 大数据 定位技术
GIS:开源webgl大数据地图类库整理
GIS:开源webgl大数据地图类库整理
113 0
|
11天前
|
SQL 分布式计算 大数据
【赵渝强老师】大数据生态圈中的组件
本文介绍了大数据体系架构中的主要组件,包括Hadoop、Spark和Flink生态圈中的数据存储、计算和分析组件。数据存储组件包括HDFS、HBase、Hive和Kafka;计算组件包括MapReduce、Spark Core、Flink DataSet、Spark Streaming和Flink DataStream;分析组件包括Hive、Spark SQL和Flink SQL。文中还提供了相关组件的详细介绍和视频讲解。
|
1月前
|
SQL 存储 分布式计算
大数据-157 Apache Kylin 背景 历程 特点 场景 架构 组件 详解
大数据-157 Apache Kylin 背景 历程 特点 场景 架构 组件 详解
27 9
|
1月前
|
消息中间件 监控 Java
大数据-109 Flink 体系结构 运行架构 ResourceManager JobManager 组件关系与原理剖析
大数据-109 Flink 体系结构 运行架构 ResourceManager JobManager 组件关系与原理剖析
66 1
|
2月前
|
存储 分布式计算 资源调度
两万字长文向你解密大数据组件 Hadoop
两万字长文向你解密大数据组件 Hadoop
124 11
|
3月前
|
人工智能 数据可视化 定位技术
DataV AI助手小技巧-如何制作PPT数据地图
“数据地图”是PPT汇报地区业务数据的最佳形式之一;以往制作数据地图需要用户有一定的编程和数据处理基础,制作门槛较高;随着DataV整合通义千问大模型能力之后,不懂编程和设计的用户也可以借助AI助手“零代码”制作数据地图,真正实现了人人可用的地图数据可视化。 进入大模型AI时代,人人可以变成职场跨界多面手!
11187 2
DataV AI助手小技巧-如何制作PPT数据地图
|
3月前
|
前端开发 大数据 数据库
🔥大数据洪流下的决战:JSF 表格组件如何做到毫秒级响应?揭秘背后的性能魔法!💪
【8月更文挑战第31天】在 Web 应用中,表格组件常用于展示和操作数据,但在大数据量下性能会成瓶颈。本文介绍在 JavaServer Faces(JSF)中优化表格组件的方法,包括数据处理、分页及懒加载等技术。通过后端分页或懒加载按需加载数据,减少不必要的数据加载和优化数据库查询,并利用缓存机制减少数据库访问次数,从而提高表格组件的响应速度和整体性能。掌握这些最佳实践对开发高性能 JSF 应用至关重要。
70 0
|
4月前
|
数据可视化 前端开发 数据挖掘
身怀绝技的开发者们,快来DataV玩转可视化组件,开启数据新视界!
理论学习之后,实践是检验知识的最好方式。建议你动手创建一个DataV项目,将所学的知识和技能应用到实际开发中。通过实践,你可以更好地理解和掌握DataV的使用技巧,并发现其中的乐趣和挑战。

相关产品

  • DataV数据可视化