精华内容
下载资源
问答
  • Java波浪文字制作方法及源代码 1个目标文件 摘要:Java源码,初学实例,波浪文字 Java波浪文字,一个利用Java处理字符的实例,可以设置运动方向参数,显示文本的字符数组,高速文本颜色,显示字体的 FontMetrics对象,...
  • 全球新冠疫情可视化图表制作

    千次阅读 2020-11-04 21:34:43
    下面是截止到4月5日制作的仪表盘看板供大家参考。 我们在查看数据可视化之前先了解一下数据分析。 完整的数据分析主要包括了六大步骤,它们依次为:分析设计、数据收集、数据处理、数据分析、数据展现、报告撰写等...

    ​全球疫情如何能更直观的查看?

    必不可少的工具就是数据可视化工具了。下面是截止到4月5日制作的仪表盘看板供大家参考。

    第三次sa'da啊是大.png

    我们在查看数据可视化之前先了解一下数据分析。

    完整的数据分析主要包括了六大步骤,它们依次为:分析设计、数据收集、数据处理、数据分析、数据展现、报告撰写等,所以也叫数据分析六步曲。

    分析设计:明确数据分析目的以及确定分析思路。

    国内疫情基本控制,国际疫情爆发期,大家关注的热点转移到了国际。

    疫情控制要打好外防内控组合拳。

    本次新冠疫情可视化思路为国际疫情查看以及国内输入病例分布等。

    数据收集:数据收集是按照确定的数据分析框架,收集相关数据的过程,它为数据分析提供了素材和依据。

    这里的数据包括一手数据与二手数据,一手数据主要指可直接获取的数据,如公司内部的数据库、市场调查取得的数据等;二手数据主要指经过加工整理后得到的数据,如统计局在互联网上发布的数据、公开出版物中的数据等。

    本次数据来自于网络国内公开数据。字段有国家、日期、确诊病例、死亡病例、治愈病例。以及各国内输入病例数据城市、输入病例数量。

    数据处理:数据处理是指对采集到的数据进行加工整理,形成适合数据分析的样式,保证数据的一致性和有效性。它是数据分析前必不可少的阶段。

    数据处理主要包括数据清洗、数据转化、数据抽取、数据合并、数据计算等处理方法。一般的数据都需要进行一定的处理才能用于后续的数据分析工作,即使再“干净”的原始数据也需要先进行一定的处理才能使用。

    这里我们进行了哪些数据处理呢?

    首先:增加了数据计算字段:死亡率=死亡病例/确诊病例(累计);治愈率=治愈病例/确诊病例(累计)。

    再一个是:各国国家发现病例的时间不同,我们无法很好的同期比较,这里我们选取疫情TOP国家,以病例超过100例那天同设定为起始第一天。

    数据分析:数据分析是指用适当的分析方法及工具,对收集来的数据进行分析,提取有价值的信息,形成有效结论的过程。

    这个就是我们数据探索,形式分析思路的过程。

    a. 首先:绝对值–查看最基础疫情情况

    全球疫情分布、全球疫情TOP国家具体数据。

    b. 相对值–查看最基础疫情控制发展情况

    治愈率与死亡率:TOP国家分布情况来相对查看各国疫情控制情况;治愈率与死亡率具体数据。

    c. 趋势值–查看最基础疫情发展情况

    全球疫情随时间确诊数量变化情况

    d. 同期值–对比查看各国疫情发展情况

    将疫情超过100例为数据对比的第一天(折线图)

    e. 构成分析:全球疫情对中国影响输入病例分布。

    数据展现:通过数据分析,隐藏在数据内部的关系和规律就会逐渐浮现出来,那么通过什么方式展现出这些关系和规律,才能让别人一目了然呢?一般情况下,数据是通过表格和图形的方式来呈现的,即用图表说话。

    多数情况下,人们更愿意接受图形这种数据展现方式,因为它能更加有效、直观地传递出分析师所要表达的观点。一般情况下,能用图说明问题的,就不用表格,能用表格说明问题的,就不用文字。

    图形的种类很多,我们如何更好的选择呢?这里给出大家一个指导建议。

    的踩踩踩.png

    比较:目标比较、项目间比较、地域间数据比较;

    序列:连续、有序类别的数据波动、各阶段递减过程;

    构成:占比构成、多类别部分到整体、各成分分布构成;

    描述:关键指标、数据分组差异、数据分散、数据相关性、人物或事物之间关系。

    大家可以参考一下上面的分析思路和仪表盘来分析一下我们图形选择是否准确?或者是否还有更好的展示形式呢?

    报告撰写:数据分析报告其实是对整个数据分析过程的一个总结与呈现。通过报告,把数据分析的起因、过程、结果及建议完整地呈现出来,以供决策者参考。所以数据分析报告是通过对数据全方位的科学分析来评估企业运营质量,为决策者提供科学、严谨的决策依据,以降低企业运营风险,提高企业核心竞争力。

    起始这篇文章部分内容就是报告撰写的内容哦。小伙伴们可以自动手操作,通过上传自己整理的数据完成整改数据分析展现的过程哦。

    本次我们使用Smartbi自助分析功能:体验环境为Smartbi官网体验中心。

    注册账号就能使用,还有体验场景解读。

    第三次 重新.png

    快来自己动手试试吧!

    展开全文
  • 让数据“动”起来:python动态图表制作

    千次阅读 多人点赞 2020-08-23 10:00:00
    这篇文章就介绍了 Python 中一种简单的动态图表制作方法。 数据暴增的年代,数据科学家、分析师在被要求对数据有更深的理解与分析的同时,还需要将结果有效地传递给他人。如何让目标听众更直观地理解?当然是将数据...

    选自TowardsDataScience

    作者:Costas Andreou

    机器之心编译

    参与:Jamin、张倩

    在读技术博客的过程中,我们会发现那些能够把知识、成果讲透的博主很多都会做动态图表。他们的图是怎么做的?难度大吗?这篇文章就介绍了 Python 中一种简单的动态图表制作方法。

    数据暴增的年代,数据科学家、分析师在被要求对数据有更深的理解与分析的同时,还需要将结果有效地传递给他人。如何让目标听众更直观地理解?当然是将数据可视化啊,而且最好是动态可视化。

    本文将以线型图、条形图和饼图为例,系统地讲解如何让你的数据图表动起来

    这些动态图表是用什么做的?

    接触过数据可视化的同学应该对 Python 里的 Matplotlib 库并不陌生。它是一个基于 Python 的开源数据绘图包,仅需几行代码就可以帮助开发者生成直方图、功率谱、条形图、散点图等。这个库里有个非常实用的扩展包——FuncAnimation,可以让我们的静态图表动起来。

    FuncAnimation 是 Matplotlib 库中 Animation 类的一部分,后续会展示多个示例。如果是首次接触,你可以将这个函数简单地理解为一个 While 循环,不停地在 “画布” 上重新绘制目标数据图。

    如何使用 FuncAnimation?

    这个过程始于以下两行代码:

    import matplotlib.animation as ani
    
    animator = ani.FuncAnimation(fig, chartfunc, interval = 100)

    从中我们可以看到 FuncAnimation 的几个输入:

    • fig 是用来 「绘制图表」的 figure 对象;

    • chartfunc 是一个以数字为输入的函数,其含义为时间序列上的时间;

    • interval 这个更好理解,是帧之间的间隔延迟,以毫秒为单位,默认值为 200。

    这是三个关键输入,当然还有更多可选输入,感兴趣的读者可查看原文档,这里不再赘述。

    下一步要做的就是将数据图表参数化,从而转换为一个函数,然后将该函数时间序列中的点作为输入,设置完成后就可以正式开始了。

    在开始之前依旧需要确认你是否对基本的数据可视化有所了解。也就是说,我们先要将数据进行可视化处理,再进行动态处理。

    按照以下代码进行基本调用。另外,这里将采用大型流行病的传播数据作为案例数据(包括每天的死亡人数)。

    import matplotlib.animation as ani
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pdurl = 'https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv'
    df = pd.read_csv(url, delimiter=',', header='infer')df_interest = df.loc[
        df['Country/Region'].isin(['United Kingdom', 'US', 'Italy', 'Germany'])
        & df['Province/State'].isna()]df_interest.rename(
        index=lambda x: df_interest.at[x, 'Country/Region'], inplace=True)
    df1 = df_interest.transpose()df1 = df1.drop(['Province/State', 'Country/Region', 'Lat', 'Long'])
    df1 = df1.loc[(df1 != 0).any(1)]
    df1.index = pd.to_datetime(df1.index)

    绘制三种常见动态图表

    动态线型图

    如下所示,首先需要做的第一件事是定义图的各项,这些基础项设定之后就会保持不变。它们包括:创建 figure 对象,x 标和 y 标,设置线条颜色和 figure 边距等:

    import numpy as np
    import matplotlib.pyplot as pltcolor = ['red', 'green', 'blue', 'orange']
    fig = plt.figure()
    plt.xticks(rotation=45, ha="right", rotation_mode="anchor") #rotate the x-axis values
    plt.subplots_adjust(bottom = 0.2, top = 0.9) #ensuring the dates (on the x-axis) fit in the screen
    plt.ylabel('No of Deaths')
    plt.xlabel('Dates')

    接下来设置 curve 函数,进而使用 .FuncAnimation 让它动起来:

    def buildmebarchart(i=int):
        plt.legend(df1.columns)
        p = plt.plot(df1[:i].index, df1[:i].values) #note it only returns the dataset, up to the point i
        for i in range(0,4):
            p[i].set_color(color[i]) #set the colour of each curveimport matplotlib.animation as ani
    animator = ani.FuncAnimation(fig, buildmebarchart, interval = 100)
    plt.show()

    动态饼状图

    可以观察到,其代码结构看起来与线型图并无太大差异,但依旧有细小的差别。

    import numpy as np
    import matplotlib.pyplot as pltfig,ax = plt.subplots()
    explode=[0.01,0.01,0.01,0.01] #pop out each slice from the piedef getmepie(i):
        def absolute_value(val): #turn % back to a number
            a  = np.round(val/100.*df1.head(i).max().sum(), 0)
            return int(a)
        ax.clear()
        plot = df1.head(i).max().plot.pie(y=df1.columns,autopct=absolute_value, label='',explode = explode, shadow = True)
        plot.set_title('Total Number of Deaths\n' + str(df1.index[min( i, len(df1.index)-1 )].strftime('%y-%m-%d')), fontsize=12)import matplotlib.animation as ani
    animator = ani.FuncAnimation(fig, getmepie, interval = 200)
    plt.show()

    主要区别在于,动态饼状图的代码每次循环都会返回一组数值,但在线型图中返回的是我们所在点之前的整个时间序列。返回时间序列通过 df1.head(i) 来实现,而. max()则保证了我们仅获得最新的数据,因为流行病导致死亡的总数只有两种变化:维持现有数量或持续上升。

    df1.head(i).max()

    动态条形图

    创建动态条形图的难度与上述两个案例并无太大差别。在这个案例中,作者定义了水平和垂直两种条形图,读者可以根据自己的实际需求来选择图表类型并定义变量栏。

    fig = plt.figure()
    bar = ''def buildmebarchart(i=int):
        iv = min(i, len(df1.index)-1) #the loop iterates an extra one time, which causes the dataframes to go out of bounds. This was the easiest (most lazy) way to solve this :)
        objects = df1.max().index
        y_pos = np.arange(len(objects))
        performance = df1.iloc[[iv]].values.tolist()[0]
        if bar == 'vertical':
            plt.bar(y_pos, performance, align='center', color=['red', 'green', 'blue', 'orange'])
            plt.xticks(y_pos, objects)
            plt.ylabel('Deaths')
            plt.xlabel('Countries')
            plt.title('Deaths per Country \n' + str(df1.index[iv].strftime('%y-%m-%d')))
        else:
            plt.barh(y_pos, performance, align='center', color=['red', 'green', 'blue', 'orange'])
            plt.yticks(y_pos, objects)
            plt.xlabel('Deaths')
            plt.ylabel('Countries')animator = ani.FuncAnimation(fig, buildmebarchart, interval=100)plt.show()

    在制作完成后,存储这些动态图就非常简单了,可直接使用以下代码:

    animator.save(r'C:\temp\myfirstAnimation.gif')

    感兴趣的读者如想获得详细信息可参考: 

    https://matplotlib.org/3.1.1/api/animation_api.html

    原文链接:

    https://towardsdatascience.com/learn-how-to-create-animated-graphs-in-python-fce780421afe

    ---------End---------

    顺便给大家推荐下我的微信视频号「价值前瞻」,主要分享读书、成长和投资思考,可以了解不一样的我,欢迎扫码关注。
    
    
    
    展开全文
  • 一图胜千言,相信很多开发者都没有绕开过图表制作这个坑,在小程序中也是,当然可以用第三方echart等制图插件来做,但小程序要求代码量最大12M,还得分好几个包,一个echart插件就将近1M,要是只做一张表或几张表...

    一图胜千言,相信很多开发者都没有绕开过图表制作这个坑,在小程序中也是,当然可以用第三方echart等制图插件来做,但小程序要求代码量最大12M,还得分好几个包,一个echart插件就将近1M,要是只做一张表或几张表实在浪费,况且小程序的加载速度与程序包大小也是息息相关的。因此写这系列文章,目的是降低程序包大小,又能实现需要的图表。

    先来实现一个最简单的表格制作

    做过小程序的可能都会用到“小程序数据助手”这款小程序,是官方提供用来查看小程序数据的,其中有这样一个表格如下:
    在这里插入图片描述

    我的实现效果

    在这里插入图片描述

    体验路径

    在这里插入图片描述

    实现思路:

    其实就是一个横向的scrollview;
    另外还有一个点击效果,点击后表格内容显示全部,再点击则收缩起来,这个控制item的宽度及text样式就好了

    代码如下:

    js

    Page({
      data: {
        contentList: [["序号", 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13], ["姓名", "孙达", "任二", "张三", "李四", "王五", "赵柳", "冯琦", "楚芭", "高酒", "朱诗怡", "罗世尔", "牛食三", "钟世思"], ["姓别", "男", "男", "男", "男", "男", "女", "女", "女", "男", "女", "女", "女", "男"], ["地址", "河北省邯郸市复兴区", "河北省保定市高碑店区", "北京市丰台区", "北京市朝阳区", "山东省日照市", "河北省邯郸市丛台区", "河北省邯郸市复兴区", "河北省邯郸市肥乡区", "河北省邯郸市永年区", "河北省邯郸市广平县", "河北省邯郸市复兴区", "河北省邯郸市鸡泽县", "北京市朝阳区望京soho塔一C座"]],
        isShowAll:false
      },
    
      showAll(){
        if(this.data.isShowAll){
          this.setData({
            isShowAll:false
          })
        }else{
          this.setData({
            isShowAll:true
          })
        }
      }
    })
    

    wxml

    <view class="container">
      <view class="view-row" style="color:#aaa;font-size:36rpx;margin:30rpx;border-bottom:1rpx solid #aaa;padding:10rpx">图表系列-表格</view>
      <view style="font-size:32rpx;color:#aaa">表格</view>
      <scroll-view scroll-x style="width:90%;white-space: nowrap;margin-top:20px;">
        <block wx:for="{{contentList}}">
          <view class="{{isShowAll?'view-column-all':'view-column'}}" style="">
            <block wx:for="{{item}}" wx:for-index="subIndex" wx:for-item="subItem">
            <view style="width:100%;background:{{subIndex%2==0?'rgb(206, 236, 255)':'white'}};padding:10px 0;border:1px solid white" bindtap="showAll">
              <text class="{{isShowAll?'text-all':'text-shrink'}}" style="width:100%">{{subItem}}</text>
            </view>
            </block>
          </view>
        </block>
      </scroll-view>
    </view>
    

    wxss

    .container {
      display: flex;
      justify-content: flex-start;
      align-items: center;
      flex-direction: column;
    }
    
    .text-shrink {
      font-size: 16px;
      display: block;
      overflow: hidden;
      white-space: nowrap;
      text-overflow: ellipsis;
      text-align: center;
    }
    .text-all {
      font-size: 16px;
      text-align: center;
    }
    .view-column{
      width:25%;display:inline-block;
    }
    .view-column-all{
      min-width:25%;display:inline-block;
    }
    
    展开全文
  • echart图和easyui图表制作模版制作

    千次阅读 2019-01-12 16:16:13
    二、easyui表格制作 $("#dg").datagrid({ url: path+"/meter/water", queryParams:queryParams_, view:emptyView, emptyMsg:"暂无相关数据", rownumbers:true,//行号 border:false,//...

    1、引入echarts

    2、html(上图下表)

    <div id="dgBox">
        			<div class="chartBox">
    				<div class="allbox" id="dataBar"></div>
    			</div>
    			<div class="tablebox">
    				<div id="dg"></div>
    			</div>
    		</div>

    2、css(上图下表)

    #dgBox{position: absolute;top: 28px;bottom: 0;left: 0;right: 0;}
    		.allbox{height:100%;width:100%;overflow:hidden;position:relative;}
    		.tablebox{position:absolute;top:55%;bottom:1px; width:100%;}
    		.chartBox{height:55%; width:100%;}
    		.datagrid-body{overflow:hidden !important;}

    3、js

    fillEcharts({
    			  		id:"thisTab_echarts2",
    			  		x:_x,
    			  		legend:legend_,
    			  		title:node.text+"不平衡度",
    			  		mintitle:mintitle,
    			  		yAxis:yAxis,
    			  		series:series_,
    			  	});
    var echartsArr=[];//储存echarts,用于刷新
    var myChart;
    function fillEcharts(obj){
        if (myChart != null && myChart != "" && myChart != undefined) {
            myChart.dispose();
        }
    	myChart = echarts.init(document.getElementById(obj.id));
    	var option = {
    		color:["#51bffd","#8eec7f","#d78e51","#c92840","#50bfff","#f7ba2a","#7B68EE","#13ce66","#8B4513","#8492a6","#fc8675","#008080","#0000FF","#FFFF00","#FF0000","#FFEFD5","#F08080"],
    		title: {
                text:obj.title+'曲线图',
                left:'center',
                top:24,
                itemGap:16,   //主副标题之间的间距
                textStyle:{
                    color:'#666',
                    /*fontStyle:'normal',
                    fontWeight:'bold',*/
                    //字体大小
                		fontSize:20
                },
                subtext:obj.mintitle,
    		    subtextStyle:{
    		        color:'#9f999f',
    		        fontWeight:'bold',
    		           fontSize:12
    		    }
            },
            subtext: {
            	text:'纯属虚构',
            },
    	    tooltip: {
    	        trigger: 'axis',
    	        /*formatter:function(params, ticket, callback){
    	        	console.log(params);
    	        	console.log(ticket);
    	        }*/
    	    },
    	    grid: {
    	        left: '1%',
    	        right: '1%',
    	        bottom: '10%',
    	        top:116,
    	        containLabel: true
    	    },
    	    dataZoom: [{
    	        type: 'inside'
    	    }, {
    	        type: 'slider'
    	    }],
    	    legend: {
    	        data:obj.legend,
    	        left:'center',
    	        top:88,
    	        icon:'line'  //legend样式rect
    	    },
    	    xAxis: obj.x,
    	    yAxis: obj.yAxis,
    	    series: obj.series
    	};
    	if(echartsArr.indexOf(myChart)==-1){//不存在
    		echartsArr.push(myChart);
    	}
    	myChart.setOption(option,true);
    	window.addEventListener("resize",function(){
    		$("#thisTab_bottomtable").datagrid("resize",{
    			height:$("#thisTab_table").height()+"px"
    		});
    		resizeScroll({id:".datagrid-view2 .datagrid-body"});
    		myChart.resize();
    	});
    }

    js2:

    //dataBar定义为全局变量
    function fillEcharts(obj){
    			dataBar = echarts.init(document.getElementById("dataBar"));
    			var option = {
    			    tooltip : {
    			        trigger: 'axis',
    			        axisPointer : {            // 坐标轴指示器,坐标轴触发有效
    			            type : 'shadow'        // 默认为直线,可选为:'line' | 'shadow'
    			        },
    			        confine:true
    			    },
    			    color:["#2ec7c9","#b6a2de","#5ab1ef","#ffb980","#d87a80","#8d98b3","#e5cf0d","#97b552","#95706d","#dc69aa","#07a2a4"],
    			    legend: {
    			    	type:"scroll",
    			        data:obj.legend,
    			        x:'center'
    			    },
    			    grid: {
    			        left: '3%',
    			        right: '4%',
    			        bottom: '5%',
    			        containLabel: true
    			    },
    			    xAxis : [
    			        {
    			            type : 'category',
    			            data :obj.x
    			        }
    			    ],
    			    yAxis : [
    			        {
    			            type : 'value'
    			        }
    			    ],
    			    series :obj.series
    			};
    			dataBar.setOption(option);
    			new_scroll(".datagrid-view2 .datagrid-body",[dataBar]);
    		}
    var series =[],legend=[];
    		    		series.push({
    						data:data.barData,
    						name:nodename,
    						type:"bar",
    					})
    					legend.push(nodename);
    		    		fillEcharts({
    		    			series:series,
    		    			x:data.xAixs,
    		    			legend:legend
    		    		});

    二、easyui表格制作

    $("#dg").datagrid({
    				url: path+"/meter/water",
    				queryParams:queryParams_,
    				view:emptyView,
    				emptyMsg:"暂无相关数据",
    		        rownumbers:true,//行号
    		        border:false,//边框
    		        singleSelect:true,//单一选择
    		    	pagination:true,
    		    	pageSize:200,
    		    	pageList:[50,100,200,500,1000],
    		    	scrollbarSize:6,
    		    	width:"100%",
    		    	height:"100%",
    		    	columns:ec,
    		    	onLoadSuccess:function(data){
    		    		//excel.fill(columnsData,data.rows);
    		    		$("#down").off("click").on("click",function(){
    		    			window.location.href=path+"/meter/water/download";
    		    		});
    		    		//new_scroll(".datagrid-view2 .datagrid-body",undefined,undefined,undefined,undefined,10);
    		    		var series =[],legend=[];
    		    		series.push({
    						data:data.barData,
    						name:nodename,
    						type:"bar",
    					})
    					legend.push(nodename);
    		    		fillEcharts({
    		    			series:series,
    		    			x:data.xAixs,
    		    			legend:legend
    		    		});
    		    	},
    		    	onResizeColumn:function(field,width){
    		    		
    		    	}
    			});

    效果图:

    展开全文
  • 前端插件:ECharts( 图表制作

    千次阅读 2019-08-07 19:26:16
    【前言】 Echarts是百度旗下的一款前端制图插件,他的功能十分强大,可以制作几十种图表。 官方地址为:https://echarts.baidu.com/ 下面我以条形图的例子说明: (1)下载插件 ......
  • 第一步 初始化实例,第二步 指定图表的配置项和数据,第三步 使用刚刚指定图表的配置项和数据 进行第一步,基于准备好的dom元素,初始化echarts实例的操作 官网的实例中有各式各样的图表,如饼状图,柱状图,折线图...
  • 在工作中经常遇到要把TOP的信息进行导出分析,我把自己的经验分享给大家 1、首先看导出数据: 2、我们要把数据导入到表格中 3、导入表格中之后数据在一列之中,此时我们需要将一列的数据分成多列 选中此列,选择...
  • 微信小程序制作图表

    2020-07-13 17:36:47
    微信小程序制作图标可用echarts框架 以下是使用的例子: wxml文件 <view class="container"> <ec-canvas id="mychart-dom-line" canvas-id="mychart-line" ec="{{ ec }}"></ec-canvas> </view...
  • margin-top: 170rpx; } .num-left .total-num { font-size: 30rpx; color: #ff7745; } .num-right text { position: relative; top: -6rpx; margin-bottom: 4rpx; display: block; height: 20px; line-...
  • PHP制作图表 JpGraph

    2019-09-28 21:03:06
    JpGraph 是PHP图表库,以下是如何操作:1、JpGraph 下载地址:http://www.html580.com/11710/demo 2、在PHP中引入相关JpGraph的文件 include ("jpgraph-4.0.2/src/jpgraph.php"); include ("jpgraph-4.0.2/src/...
  • 简单高端上档次的Excel图表制作欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容...
  • 文章目录下载echarts.js绘制一个简单的图表 下载echarts.js 推荐博客 Echarts.js下载及简易Demo 绘制一个简单的图表 <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title&...
  • 在读技术博客的过程中,我们会发现那些能够把知识、成果讲透的博主很多都会做动态图表。他们的图是怎么做的?难度大吗?这篇文章就介绍了 Python 中一种简单的动态图表制作方法。数据暴增的年...
  • 数据可视化之Pyecharts制作酷炫图表

    千次阅读 2020-04-20 13:55:19
    本文将从相关特性、版本安装、绘图步骤、图表示例、图表组合、应用总结 等个6方面进行详细介绍,文章较长干货较多,建议先收藏再细看。获取完整源码见文末。 微信公众号原文链接 一. 相关特性 简洁的 API 设计,...
  • 上一篇博客制作图表放在Dashboard(仪表盘)中的效果如下: 放大后的效果如下: 由于项目太多(因为我家现在卖的特产种类比较多),图片小的时候很不好看,所以我打算看看只显示销量最多的几种特产看看....
  • echarts图表制作

    2016-11-07 14:31:11
    一般的图表(除地图)可看文档,按照文档制作即可:http://echarts.baidu.com/tutorial.html#5%20%E5%88%86%E9%92%9F%E4%B8%8A%E6%89%8B%20ECharts 地图: 地图的制作需要先引入相应地图的js文件,或json文件,...
  • 最近要做一个地图,点击地图上的位置获取当前地址。就使用的echarts,感觉真的很强大。教程就不多说,官网很多实例,api点击图片进去,有例子代码,以及在线编辑。这里只是跟大家分享。 地址:...
  • echart图表制作bug

    2017-07-07 09:38:11
    margin-top : 25 px ; } .search-part img { position : absolute ; right : 5 px ; top : 10 px ; } #header .search-part input { height : 100 % ; width : 100 % ; line-height ...
  • 这篇文章就介绍了 Python 中一种简单的动态图表制作方法。 数据暴增的年代,数据科学家、分析师在被要求对数据有更深的理解与分析的同时,还需要将结果有效地传递给他人。如何让目标听众更直观地理解?当然是将数据...
  • 用微软Chart制作图表

    2019-09-25 03:02:57
    其中属性ChartType="Column"表示图表为柱状图,也是枚举类型。属性ChartArea="ChartArea1"表示图表显示区域 在后台可以这样绑定数据:Chart1.Series["Series1"].Points.AddXY(row["x"], row["y"].ToString());以横...
  • Zabbix Top10页面的制作

    千次阅读 2019-07-09 11:27:05
    ------echarts.min.js(echarts图表库) ------jquery.min.js(使用ajax请求数据) --top10 ------top10_config.php(数据库配置文件) ------*.php(获取top10数据并转换为json格式,如需自定义top10数据,只需更改脚本中...
  • Python之爬虫爬取豆瓣短评及可视化图表制作

    千次阅读 多人点赞 2019-07-20 17:55:22
    --------Python爬虫以及词云图、折线图、饼图制作 内容总述 09年改编自同名漫画的日版《深夜食堂》播出后受到广泛好评,17年翻拍自日版《深夜食堂》的中版《深夜食堂》却骂声不断,还在豆瓣上创造了2.8分的低分...
  • 作者:周萝卜来源:萝卜大杂烩关于动态图表,相信大家都或多或少的接触过一些,如果是代码水平比较不错的,可以选择 Matplotlib,当然也可以使用 pyecharts 的相关功能,不过这...
  • sampleChart图表制作

    千次阅读 2011-11-29 14:49:59
    smipleChart .cc{ height:450px; width:800px; border:1px solid #999; position:relative; margin:20px; } (function(doc,undefined){ var win = this, uuuid = -1, hasSVG = w
  • chart.guide().arc({ start: [0, 0], end: [1, 99.98], top: false, style: { lineWidth: sizeSCale, stroke: '#E2EDF3' //圆环浅色部分 } }); chart.guide().text({ position: ['50%', '50%'], //字体位置 content...
  • top: 100px;left: 0px;z-index: -1;"> <div id="container" ></div> <col width="100"></col> <col width="200"></col> <col width="100"></col> <col width="200"></col> <td><label id=...
  • 支付宝小程序使用antv/f2图表 制作圆环进度条 动态参数 ** 相关文档: https://github.com/antvis/my-f2 https://www.yuque.com/antv/f2 https://f2.antv.vision/zh/examples/pie/donut#progress-bar 1. 安装...
  • 通过DataGear的参数化数据集、图表事件处理和看板API功能,可以很方便地制作联动异步加载图表的数据可视化看板。 首先,新建一个参数化SQL数据集,如下所示: SELECT COL_NAME, --地区名 COL_VALUE, --地区指标...
  • 因为项目需要,需要使用Echarts生成一个地图,不长使用Echarts,但还是制作出来了,所以来分享下。也为了自己以后方便查找,第一次写博客,有什么不对的,希望大家可以提出来。 首先下面是一张效果图: 这是一个...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 6,762
精华内容 2,704
关键字:

top图表制作