ChatGPT工作提效之数据可视化大屏组件Echarts的实战方案(大数据量加载、伪3D饼图、地图各省cp中心坐标属性、map3D材质)

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: ChatGPT工作提效之数据可视化大屏组件Echarts的实战方案(大数据量加载、伪3D饼图、地图各省cp中心坐标属性、map3D材质)

数据可视化大屏的图表组件,有哪些开源产品?

数据可视化大屏的图表组件,有很多开源产品,主要有以下几种:


  1. ECharts:ECharts 是百度开源的数据可视化库,提供了各种各样的图表类型和丰富的功能,包括折线图、柱状图、散点图、饼图、雷达图、热力图等。
  2. Chart.js:Chart.js 是一个简单灵活的 JavaScript 图表库,支持多种图表类型,包括折线图、柱状图、饼图、散点图等。
  3. D3.js:D3.js 是一个 JavaScript 数据可视化库,提供了丰富的 API,能够创建各种各样的定制化可视化图表。
  4. AntV:AntV 是阿里云的前端可视化解决方案,提供了各种各样的图表类型,包括折线图、柱状图、饼图、散点图等。
  5. Highcharts:Highcharts 是一个 JavaScript 数据可视化库,提供了多种图表类型和交互式功能。
  6. FusionCharts:FusionCharts 是一个基于 Flash 和 JavaScript 的交互式图表库,支持多种图表类型,包括折线图、柱状图、饼图、散点图等。


以上是一些开源的数据可视化大屏图表组件,开发者可以根据项目需求选择合适的组件进行开发。


如何使用Echarts?


要使用 Echarts 进行数据可视化,可以按照以下步骤进行:


1.下载 Echarts:可以在 Echarts 的官网(https://echarts.apache.org/zh/index.html)上下载最新的版本。


2.引入 Echarts 库:在 HTML 页面中引入 Echarts 库的文件,例如:

<script src="echarts.min.js"></script>
  1. 创建一个 DOM 元素:在 HTML 页面中创建一个 DOM 元素,用于显示图表,例如:
<div id="myChart" style="width: 600px;height:400px;"></div>
  1. 初始化 Echarts 实例:在 JavaScript 代码中初始化 Echarts 实例,并设置图表的配置项和数据,例如:
// 基于准备好的dom,初始化echarts实例
var myChart = echarts.init(document.getElementById('myChart'));
// 指定图表的配置项和数据
var option = {
    title: {
        text: 'ECharts 入门示例'
    },
    tooltip: {},
    xAxis: {
        data: ['衬衫', '羊毛衫', '雪纺衫', '裤子', '高跟鞋', '袜子']
    },
    yAxis: {},
    series: [{
        name: '销量',
        type: 'bar',
        data: [5, 20, 36, 10, 10, 20]
    }]
};
// 使用刚指定的配置项和数据显示图表。
myChart.setOption(option);


  1. 在网页中显示图表:最后在网页中显示图表即可。

以上就是使用 Echarts 进行数据可视化的基本步骤,具体的图表类型和配置项可以参考 Echarts 的官方文档进行学习和使用。

1.如何加载大数量的折线图?

加载大量的折线图,可以采用 Echarts 提供的大数据量加载方案,即数据分块加载(dataset)和视图区域范围(dataZoom)限制,以避免过多数据的同时提高渲染性能。

下面是一个加载大量的折线图的基本代码:

// 数据分块加载(dataset)
var data = [...]; // 数据数组
var option = {
    dataset: {
        source: data,
        // 每次渲染的数据量
        dimensions: ['日期', '数值'],
        sourceHeader: false
    },
    // 视图区域范围(dataZoom)
    dataZoom: [
        {
            type: 'slider',   // 滑动条形式
            xAxisIndex: 0,    // 设置 dataZoom 组件控制的 x轴
            start: 0,         // 起始位置
            end: 50           // 结束位置
        }
    ],
    // 折线图配置项
    series: [
        {
            type: 'line',
            encode: {
                x: 0,  // 指定数据的维度作为 x 轴
                y: 1   // 指定数据的维度作为 y 轴
            }
        }
    ]
};
// 初始化 Echarts 实例
var myChart = echarts.init(document.getElementById('main'));
// 使用刚指定的配置项和数据显示图表
myChart.setOption(option);


上面代码中的 data 数组存储了大量的数据,通过 dataset 配置项实现了数据分块加载,每次渲染一定数量的数据,避免了一次性渲染大量数据导致的性能问题。通过 dataZoom 配置项实现视图区域范围限制,只渲染指定区域范围内的数据。


如果需要动态加载数据,可以结合 Echarts 提供的 ajax 动态获取数据方案进行:

// 初始化 Echarts 实例
var myChart = echarts.init(document.getElementById('main'));
// 大量数据的折线图配置项
var option = {
    dataset: {
        source: [],   // 初始数据为空
        dimensions: ['日期', '数值'],
        sourceHeader: false
    },
    dataZoom: [
        {
            type: 'slider',
            xAxisIndex: 0,
            start: 0,
            end: 50
        }
    ],
    series: [
        {
            type: 'line',
            encode: {
                x: 0,
                y: 1
            }
        }
    ]
};
// 使用刚指定的配置项和数据显示图表
myChart.setOption(option);
// ajax 获取数据
$.ajax({
    url: 'data.json',
    dataType: 'json',
    success: function(res) {
        // 更新数据
        myChart.setOption({
            dataset: {
                source: res   // 更新数据为 ajax 获取到的数据
            }
        });
    }
});


上面的代码中,通过 ajax 获取数据,更新数据并动态更新大量的折线图。

2.如何在echart中实现伪3D的饼图效果?

要在 Echarts 中实现伪3D的饼图效果,可以通过以下步骤进行:

  1. 引入 Echarts 库:在 HTML 页面中引入 Echarts 库的文件,例如:
<script src="https://cdn.bootcdn.net/ajax/libs/echarts/5.0.2/echarts.min.js"></script>
  1. 创建一个 DOM 元素:在 HTML 页面中创建一个 DOM 元素,用于显示图表,例如:
<div id="myChart" style="width: 600px; height: 400px"></div>


  1. 初始化 Echarts 实例:在 JavaScript 代码中初始化 Echarts 实例,并设置图表的配置项和数据,例如:
// 基于准备好的dom,初始化echarts实例
var myChart = echarts.init(document.getElementById('myChart'));
// 设置图表的配置项和数据
var option = {
    tooltip: {
        trigger: 'item',
        formatter: '{b}: {c} ({d}%)'
    },
    series: [
        {
            name: '访问来源',
            type: 'pie',
            radius: ['50%', '70%'],
            avoidLabelOverlap: false,
            label: {
                show: false,
                position: 'center'
            },
            emphasis: {
                label: {
                    show: true,
                    fontSize: '30',
                    fontWeight: 'bold'
                }
            },
            labelLine: {
                show: false
            },
            data: [
                {value: 335, name: '直接访问'},
                {value: 310, name: '邮件营销'},
                {value: 234, name: '联盟广告'},
                {value: 135, name: '视频广告'},
                {value: 1548, name: '搜索引擎'}
            ]
        }
    ]
};
// 使用刚指定的配置项和数据显示图表。
myChart.setOption(option);


  1. 设置饼图的 3D 效果:在上述代码中,通过在 series 中的 itemStyle 中设置 depth 属性,可以实现饼图的 3D 效果。同时需要添加 coordinateSystem 属性,以指示该系列属于哪个坐标系,例如:
series: [
    {
        name: '访问来源',
        type: 'pie',
        coordinateSystem: 'polar',  // 指定坐标系为极坐标系
        radius: ['50%', '70%'],
        avoidLabelOverlap: false,
        label: {
            show: false,
            position: 'center'
        },
        emphasis: {
            label: {
                show: true,
                fontSize: '30',
                fontWeight: 'bold'
            }
        },
        labelLine: {
            show: false
        },
        itemStyle: {  // 3D 效果设置
            normal: {
                borderWidth: 5,
                borderColor: '#fff',
                opacity: 0.8,
                shadowBlur: 5,
                shadowOffsetX: 0,
                shadowOffsetY: 3,
                shadowColor: 'rgba(0, 0, 0, 0.3)',
                depth: 50  // 3D 效果的深度
            }
        },
        data: [
            {value: 335, name: '直接访问'},
            {value: 310, name: '邮件营销'},
            {value: 234, name: '联盟广告'},
            {value: 135, name: '视频广告'},
            {value: 1548, name: '搜索引擎'}
        ]
    }
]


  1. 在网页中显示图表:最后在网页中显示图表即可。

上述代码中的 depth 属性值可以根据实际情况进行设置,以达到适当的 3D 效果效果。

3.如何获取中国地图geojson属性中每个省的cp属性(中心坐标)

在 Echarts 中,可以通过 geo 组件加载地图数据,而中国地图的 geoJSON 数据默认包含了各个省份的边界数据,以及其他属性,例如各省的 cp 属性用于设置省份地图的中心坐标。


可以通过先加载中国地图的 geoJSON 数据,然后使用 echarts.util.mapData.params 方法获取各省的 cp 属性数据,对应的省份数据索引与中国地图 geoJSON 数据的 features 数组下标一一对应。


如需获取各省 cp 属性数据,可以按照以下步骤进行:


  1. 加载中国地图的 geoJSON 数据,例如:
$.getJSON('./china.json', function (chinaJson) {
  echarts.registerMap('china', chinaJson);
  // 进行其他操作...
});


  1. 获取各省的 cp 属性数据,例如:
var params = echarts.util.mapData.params('china');
var coordinates = params.rawFeatures.map(function (feature) {
    // return feature.properties.cp;
    return feature.attributes.cp; // echarts 5.x 需要使用 attributes 属性
});
console.log(coordinates);


在上述代码中,echarts.util.mapData.params 会返回包含中国地图各省数据的信息对象,其中 rawFeatures 数组包含了各省的坐标数据以及其他属性数据,例如 cp 属性。使用 map 方法将各省的 cp 属性数据存入 coordinates 数组中,以便后续使用。


注意:在 Echarts 5.x 中,需要使用 attributes 属性获取各个省份的 cp 值。如果使用 properties 属性,在控制台中会出现 “Uncaught TypeError: Cannot read properties of undefined (reading ‘properties’)” 错误。


4.如何在echarts中实现map3D的材质功能

在 Echarts 中实现 map3D 地图的材质功能,需要按照以下步骤进行:

  1. 为地图数据添加高程信息

geoJSON 数据中,地理信息数据只包含各个省市的边界信息,需要通过高程数据获取地图数据的 3D 笛卡尔坐标。可以使用 echarts.add3DLayer 函数为 geoJSON 数据添加高程信息。

例如,使用以下代码获取中国地图的高程数据:

$.get('data/asset/data/geo3d-china.json', function (geo3D) {
  echarts.add3DLayer('china-high', geo3D, {
    // 其他配置项
  });
}, 'json');


其中,geo3d-china.json 文件是包含中国地图高程数据的 json 文件。echarts.add3DLayer 函数用于添加 3D 图层,第一个参数为图层名称,第二个参数是高程数据,第三个参数是配置项。


通过添加高程数据,地图的图层信息就变成了 3D 笛卡尔坐标系的空间信息。


2.定义材质样式

使用 echarts.registerMap3d 函数进行地图的 3D 效果的渲染,可以通过在地图的 textures 属性中配置材质路径和样式信息实现地图材质功能。

例如,定义一个地图 材质

echarts.registerMap3d('mapName', {
    //材质路径
    texture: 'path/to/texture.png',
    // 材质样式
    color: 'red',
    // 光照强度,控制阴影的强度
    specularIntensity: 1,
    // 高光贴图强度
    glossIntensity: 1,
    // 其他配置项
});


其中,texture 为材质路径,可以是图片路径或调色板配色方式;color 为材质颜色;另外还可以通过 specularIntensityglossIntensity 属性来控制阴影、镜面和高光的效果。

  1. 为地图元素应用材质


将定义的材质样式应用到地图元素上,可以在地图的 visualMap 中配置对应的材质信息。例如:

var option = {
    // 其他配置项
    visualMap: {
        type: 'continuous',
        dimension: 'value',
        calculable: true,
        min: 0,
        max: 1000,
        top: 'bottom',
        left: 'right',
        inRange: {
            color: ['#50a3ba', '#eac736', '#d94e5d']
        },
        // 定义材质
        textures: [
          {id: 'mapName', type: 'repeat', src: 'path/to/texture.png'}
        ],
        inRange: {
            // 应用材质
            texture: 'mapName',
            color: '#fff'
        },
        // 其他配置项
        seriesIndex: [0]
    },
    // 其他配置项
}


在上述代码中,通过 textures 属性引入定义的材质,再通过 inRange 属性在视觉映射中应用材质,以实现地图的材质效果。


需要注意的是,不同的视觉映射类型(continuous,piecewise,category)会影响材质显示的效果。在设置材质时,需要视图形数据类型选择合适的映射方式,并根据实际需求进行适当调整才能达到最佳效果。


@漏刻有时

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps&nbsp;
相关文章
|
2月前
|
消息中间件 监控 数据可视化
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
84 2
|
2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
98 0
|
1月前
|
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。
164 3
【赵渝强老师】基于大数据组件的平台架构
|
2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
41 9
|
1月前
|
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。
|
2月前
|
存储 NoSQL 大数据
大数据-51 Redis 高可用方案CAP-AP 主从复制 一主一从 全量和增量同步 哨兵模式 docker-compose测试
大数据-51 Redis 高可用方案CAP-AP 主从复制 一主一从 全量和增量同步 哨兵模式 docker-compose测试
41 3
|
2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
79 1
|
3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
142 11
|
3月前
|
数据格式
ECharts 饼图
本章节我们将绘制饼图。
64 15
|
2月前
|
XML 前端开发 数据库
echarts饼图前后端代码SpringCloud+Vue3
echarts饼图前后端代码SpringCloud+Vue3
37 0
下一篇
DataWorks