前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >ECharts 配置语法

ECharts 配置语法

作者头像
陈不成i
修改于 2021-08-03 10:07:14
修改于 2021-08-03 10:07:14
79300
代码可运行
举报
文章被收录于专栏:ops技术分享ops技术分享
运行总次数:0
代码可运行

本章节我们将为大家介绍使用 ECharts 生成图表的一些配置。

第一步:创建 HTML 页面

创建一个 HTML 页面,引入 echarts.min.js:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8">
    <!-- 引入 ECharts 文件 -->
    <script src="echarts.min.js"></script>
</head>
</html>

第二步: 为 ECharts 准备一个具备高宽的 DOM 容器

实例中 id 为 main 的 div 用于包含 ECharts 绘制的图表:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<body>
    <!-- 为 ECharts 准备一个具备大小(宽高)的 DOM -->
    <div id="main" style="width: 600px;height:400px;"></div>
</body>

第三步: 设置配置信息

ECharts 库使用 json 格式来配置。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
echarts.init(document.getElementById('main')).setOption(option);

这里 option 表示使用 json 数据格式的配置来绘制图表。步骤如下:

标题

为图表配置标题:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
title: {
    text: '第一个 ECharts 实例'
}

提示信息

配置提示信息:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
tooltip: {},

图例组件

图例组件展现了不同系列的标记(symbol),颜色和名字。可以通过点击图例控制哪些系列不显示。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
legend: {
    data: [{
        name: '系列1',
        // 强制设置图形为圆。
        icon: 'circle',
        // 设置文本为红色
        textStyle: {
            color: 'red'
        }
    }]
}

X 轴

配置要在 X 轴显示的项:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
xAxis: {
    data: ["衬衫","羊毛衫","雪纺衫","裤子","高跟鞋","袜子"]
}

Y 轴

配置要在 Y 轴显示的项。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
yAxis: {}

系列列表

每个系列通过 type 决定自己的图表类型:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
series: [{
    name: '销量',  // 系列名称
    type: 'bar',  // 系列图表类型
    data: [5, 20, 36, 10, 10, 20]  // 系列中的数据内容
}]

每个系列通过 type 决定自己的图表类型:

  • type: 'bar':柱状/条形图
  • type: 'line':折线/面积图
  • type: 'pie':饼图
  • type: 'scatter':散点(气泡)图
  • type: 'effectScatter':带有涟漪特效动画的散点(气泡)
  • type: 'radar':雷达图
  • type: 'tree':树型图
  • type: 'treemap':树型图
  • type: 'sunburst':旭日图
  • type: 'boxplot':箱形图
  • type: 'candlestick':K线图
  • type: 'heatmap':热力图
  • type: 'map':地图
  • type: 'parallel':平行坐标系的系列
  • type: 'lines':线图
  • type: 'graph':关系图
  • type: 'sankey':桑基图
  • type: 'funnel':漏斗图
  • type: 'gauge':仪表盘
  • type: 'pictorialBar':象形柱图
  • type: 'themeRiver':主题河流
  • type: 'custom':自定义系列

实例

以下为完整的实例:

实例

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8">
    <title>第一个 ECharts 实例</title>
    <!-- 引入 echarts.js -->
    <script src="https://cdn.staticfile.org/echarts/4.3.0/echarts.min.js"></script>
</head>
<body>
    <!-- 为ECharts准备一个具备大小(宽高)的Dom -->
    <div id="main" style="width: 600px;height:400px;"></div>
    <script type="text/javascript">
        // 基于准备好的dom,初始化echarts实例
        var myChart = echarts.init(document.getElementById('main'));
 
        // 指定图表的配置项和数据
        var option = {
            title: {
                text: '第一个 ECharts 实例'
            },
            tooltip: {},
            legend: {
                data:['销量']
            },
            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);
    </script>
</body>
</html>

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
线性方程组
线性方程组,是任何标准大学数学教材讲解矩阵是都要用到的,并用它引出矩阵概念。之所以如此,可能有两个原因:一是因为我们在初中的时候就已经学习过线性方程组,对它不陌生,正所谓“温故而知新”;二是矩阵的确是为了求解线性方程组而被提出的。所以,此处也不免俗,依然从线性方程组开始,引出矩阵。
老齐
2020/05/15
2.3K0
线性方程组
灰太狼的数据世界(四)
Scipy是 一个专门用于科学计算的库 它与Numpy有着密切的关系 Numpy是Scipy的基础 Scipy通过Numpy数据来进行科学计算 包含 统计 优化 整合 以及线性代数模块 傅里叶变换 信号和图像图例 常微分方差的求解等 给个表给你参考下? 怎么样? 是不是看上去就有一股很骚气的味道? 那咱就继续学下去呗! 首先 安装 个人推荐pip直接全家桶 pip install -U numpy scipy scikit-learn 当然也有人推荐 Anaconda 因为用了它 一套环境全搞定 妈妈
我被狗咬了
2019/09/23
8360
灰太狼的数据世界(四)
开源的Python科学计算库:NumPy
NumPy是一个开源的Python科学计算库,是Python数据分析和数值计算的基础工具之一。它提供了高效的多维数组(ndarray)对象以及对数组进行操作的各种函数和工具,使得在Python中进行大规模数据处理和数值计算变得更加简单和高效。本文将详细介绍NumPy库的常用功能和应用场景,并通过实例演示其在Python数据分析中的具体应用。
网络技术联盟站
2023/07/04
1K0
开源的Python科学计算库:NumPy
在科学计算领域独领风骚,NumPy书写辉煌传奇
在数字世界的边缘,有一座神奇的城市,这座城市由无数个数据点和向量构成,街道上流淌着数不清的数组和矩阵。在城市的中心,耸立着一座巨大的科学计算塔,它的外墙是由数学符号和代码构成,散发着闪烁的数字光芒。城里的居民们穿梭于数组的巷道间,驾驭着向量的飞船,探索着数据的深海,寻找着数学的奥秘。这里,每一个函数、每一个对象,都是城市的一部分,编织成了一张无比庞大的数学网络。
一点sir
2024/03/25
1280
在科学计算领域独领风骚,NumPy书写辉煌传奇
【运筹学】线性规划 单纯形法 阶段总结 ( 初始基可行解 | 判定最优解 | 迭代 | 得到最优解 | 全流程详细解析 ) ★
参考 【运筹学】线性规划数学模型标准形式 ( 标准形式 | 目标函数转化 | 决策变量转化 | 约束方程转化 | 固定转化顺序 | 标准形式转化实例 ) 线性规划 普通形式 -> 标准形式 转化顺序说明 博客 , 先处理变量约束 , 再将不等式转为等式 , 最后更新目标函数 ;
韩曙亮
2023/03/28
2.2K0
【运筹学】线性规划 单纯形法 阶段总结 ( 初始基可行解 | 判定最优解 | 迭代 | 得到最优解 | 全流程详细解析 ) ★
【运筹学】线性规划数学模型 ( 单纯形法 | 第一次迭代 | 方程组同解变换 | 计算新单纯形表 | 计算检验数 | 入基变量选择 | 出基变量选择 )
上篇博客 【运筹学】线性规划数学模型 ( 单纯形法 | 迭代原则 | 入基 | 出基 | 线性规划求解示例 ) 讲解了单纯形法中选择了入基变量 , 与出基变量 , 找到了下一组迭代的可行基 , 下面开始继续进行后续操作 ;
韩曙亮
2023/03/28
1.1K0
【运筹学】线性规划数学模型 ( 单纯形法 | 第一次迭代 | 方程组同解变换 | 计算新单纯形表 | 计算检验数 | 入基变量选择 | 出基变量选择 )
数据分析 ——— numpy基础(二)
接上篇文章,继续更新一些numpy下的一些常用函数的使用, 在这里多为矩阵的操作,创建矩阵,单位矩阵,求解逆矩阵等并进行one-hot编码,线性矩阵的特征向量,特征值,奇异值,行列式的计算。
andrew_a
2019/07/30
8480
PYTHON替代MATLAB在线性代数学习中的应用(使用Python辅助MIT 18.06 Linear Algebra学习)
MATLAB一向是理工科学生的必备神器,但随着中美贸易冲突的一再升级,禁售与禁用的阴云也持续笼罩在高等学院的头顶。也许我们都应当考虑更多的途径,来辅助我们的学习和研究工作。 虽然PYTHON和众多模块也属于美国技术的范围,但开源软件的自由度毕竟不是商业软件可比拟的。
俺踏月色而来
2020/08/19
5.5K0
面向对象有限元编程|数值计算类
python主要依赖第三方库numpy,其中np.array和np.mat有区别,主要体现在:
fem178
2020/10/30
6020
猫头虎 分享:Python库 SciPy 的简介、安装、用法详解入门教程
今天猫头虎带您深入探索SciPy,一个在数据科学和人工智能领域必不可少的Python库!
猫头虎
2024/09/05
2100
Python|Numpy的常用操作
Python中常用的基本数据结构有很多,通常我们在进行简单的数值存储的时候都会使用list来进行,但是list的缺点在于对于每一个元素都需要有指针和对象,对于数值运算来说,list显然是比较浪费内存和CPU计算时间的。为了弥补这种结构的不足,Numpy诞生了,在Numpy中提供了两种基本的对象:ndarray和ufunc。ndarray是存储单一数据类型的多维数组,ufunc则是能够对数组进行处理的函数。
数据山谷
2020/07/21
1.4K0
Python|Numpy的常用操作
基于Numpy的线性代数运算
numpy.matrix方法的参数可以为ndarray对象 numpy.matrix方法的参数也可以为字符串str,示例如下:
潇洒坤
2018/09/10
1.1K0
基于Numpy的线性代数运算
Python数学建模算法与应用 - 常用Python命令及程序注解
本文是根据Python数学建模算法与应用这本书中的例程所作的注解,相信书中不懂的地方,你都可以在这里找打答案,建议配合书阅读本文
Chuanrui 初见之旅
2023/10/18
1.7K0
Python数学建模算法与应用 - 常用Python命令及程序注解
NumPy 中级教程——线性代数操作
NumPy 提供了丰富的线性代数操作功能,包括矩阵乘法、行列式计算、特征值和特征向量等。这些功能使得 NumPy 成为科学计算和数据分析领域的重要工具。在本篇博客中,我们将深入介绍 NumPy 中的线性代数操作,并通过实例演示如何应用这些功能。
Echo_Wish
2024/01/02
2120
用 Python 做数学建模
数学建模中,大多数人都在用MATLAB,但MATLAB不是一门正统的计算机编程语言,而且速度慢还收费,最不能忍受的就是MATLAB编辑器不支持代码自动补全。python对于数学建模来说,是个非常好的选择。python中有非常著名的科学计算三剑客库:numpy,scipy和matplotlib,三者基本代替MATLAB的功能,完全能够应对数学建模任务。
KEVINGUO_CN
2020/03/16
2K0
气象编程 | 科学计算库Scipy简易入门
Scipy是一个用于数学、科学、工程领域的常用软件包,可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵,使Numpy和Scipy协同工作,高效解决问题。
气象学家
2020/07/20
1.6K0
气象编程 | 科学计算库Scipy简易入门
机器学习的数学 之 python 矩阵运算
摘要: 原创出处 www.bysocket.com 「泥瓦匠BYSocket 」欢迎转载,保留摘要,谢谢!
二哥聊运营工具
2021/12/17
6540
机器学习的数学 之 python 矩阵运算
python中一些数据处理库
Numpy是Python的一个很重要的第三方库,很多其他科学计算的第三方库都是以Numpy为基础建立的。Numpy的一个重要特性是它的数组计算。
用户7886150
2021/01/05
8790
深入探索Python数学模块:math 与 decimal 的应用与实践
math 模块包含了许多常见的数学函数,比如 sin、cos、tan、sqrt 等。让我们看一个简单的例子,计算正弦函数的值:
一键难忘
2024/03/17
2230
【基础算法】穷举法
穷举法Exhaustive method是使用最广泛、设计最简单,同时最耗时的算法,也被称为暴力法、蛮力法Brute force method。
WuShF
2023/07/08
5080
【基础算法】穷举法
推荐阅读
相关推荐
线性方程组
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档