内容简介:为支持更多可视化图表,我司准备在seperset原始D3图表基础上,继续增加echarts可视化图表的类型,以供客户更直观的看到数据。这篇文章里将分为四个步骤,每个步骤紧密联系,缺一不可。我选择了堆叠条形图:bar-y-category-stack(这个英文名称就是对应顶部链接最后的名称,本文添加的图表的所有名称都叫bar-y-category-stack,因为添加的多了方便辨别区分)
为支持更多可视化图表,我司准备在seperset原始D3图表基础上,继续增加echarts可视化图表的类型,以供客户更直观的看到数据。这篇文章里将分为四个步骤,每个步骤紧密联系,缺一不可。
效果图:
目前已添加echarts图表。
最后通过查询,我们得到的实体数据通过添加的echarts图表已经显示。
步骤一:选择添加的echarts图,[charts官方实例] echarts.baidu.com/examples/
我选择了堆叠条形图:bar-y-category-stack(这个英文名称就是对应顶部链接最后的名称,本文添加的图表的所有名称都叫bar-y-category-stack,因为添加的多了方便辨别区分)
1.1 在visualizations文件夹下建立echarts_bar_y_category.js文件,这个文件是做echarts配置项。
import echarts from 'echarts'; function echartsAngularGaugeVis(slice, payload) { const div = d3.select(slice.selector); const sliceId = 'echarts_slice_' + slice.formData.slice_id; const html = '<div id="main" style="width: ' + slice.width() + '' + 'px;height:' + slice.height() + 'px;">hahah</div>'; div.html(html); // reset var myChart = echarts.init(document.getElementById('main')); const params = payload.data; console.log(params, 123); var data_name = []; var series = []; var data_values = []; var series_data = []; params.forEach(function (item, index, array) { data_name.push(item['key']); item['values'].forEach(function (i, index, array) { data_values.push(i['y']); }); series_data = { name:item['key'], type: 'bar', data: data_values }; series.push(series_data) }); var category_name = []; params[0]['values'].forEach(function (item, index, array) { category_name.push(item['x']) }); const option = { // title: { // text: 'undefined - 无标题' // }, tooltip: { trigger: 'axis', axisPointer: { type: 'shadow' } }, legend: { }, grid: { left: '3%', right: '4%', bottom: '3%', containLabel: true }, xAxis: { type: 'value', boundaryGap: [0, 0.01] }, yAxis: { type: 'category', data: category_name }, series: series }; // 使用刚指定的配置项和数据显示图表。 myChart.setOption(option); } module.exports = echartsAngularGaugeVis; 复制代码
1.2 保存图片(路径是\superset\static\assets\images\viz_thumbnails)
步骤二:添加文件。找到superset\static\assets\images\viz_thumbnails下的index.js
2.1 VIZ_TYPES这个对象里添加 echarts_bar_y_category: 'echarts_bar_y_category'
2.2 vizMap添加 [VIZ_TYPES.echarts_bar_y_category]: require('./echarts_bar_y_category.js'),
步骤三:查询条件配置。找到superset\static\assets\src\explore目录下的visTypes.js
echarts_bar_y_category: { label: t('Echarts Bar Y Category'), // 表的名称 showOnExplore: true, controlPanelSections: [ // 查询条件配置参数,每个图的参数都不一样 { label: t('Query'), expanded: true, controlSetRows: [ ['metrics'], ['groupby'], ['columns'], ['row_limit'], ['contribution'], ], }, { label: t('Chart Options'), expanded: true, controlSetRows: [ ['color_scheme'], ['show_legend', 'show_bar_value'], ['bar_stacked', 'order_bars'], ['y_axis_format', 'y_axis_label'], ['show_controls', null], ], }, { label: t('X Axis'), expanded: true, controlSetRows: [ ['x_axis_label', 'bottom_margin'], ['x_ticks_layout', 'reduce_x_ticks'], ], }, ], controlOverrides: { groupby: { label: t('Series'), }, columns: { label: t('Breakdowns'), description: t('Defines how each series is broken down'), }, }, }, 复制代码
步骤三:后端数据导出给前端的viz.py文件配置。
class Echarts_Bar_Y_Category(DistributionPieViz): """A good old bar chart""" viz_type = 'echarts_bar_y_category' verbose_name = _('Bar Y Category') is_timeseries = False def query_obj(self): d = super(Echarts_Bar_Y_Category, self).query_obj() # noqa fd = self.form_data if ( len(d['groupby']) < len(fd.get('groupby') or []) + len(fd.get('columns') or []) ): raise Exception( _("Can't have overlap between Series and Breakdowns")) if not fd.get('metrics'): raise Exception(_('Pick at least one metric')) if not fd.get('groupby'): raise Exception(_('Pick at least one field for [Series]')) return d def get_data(self, df): fd = self.form_data row = df.groupby(self.groupby).sum()[self.metrics[0]].copy() row.sort_values(ascending=False, inplace=True) columns = fd.get('columns') or [] pt = df.pivot_table( index=self.groupby, columns=columns, values=self.metrics) if fd.get('contribution'): pt = pt.fillna(0) pt = pt.T pt = (pt / pt.sum()).T pt = pt.reindex(row.index) chart_data = [] for name, ys in pt.items(): if pt[name].dtype.kind not in 'biufc' or name in self.groupby: continue if isinstance(name, string_types): series_title = name elif len(self.metrics) > 1: series_title = ', '.join(name) else: l = [str(s) for s in name[1:]] # noqa: E741 series_title = ', '.join(l) values = [] for i, v in ys.items(): x = i if isinstance(x, (tuple, list)): x = ', '.join([text_type(s) for s in x]) else: x = text_type(x) values.append({ 'x': x, 'y': v, }) d = { 'key': series_title, 'values': values, } chart_data.append(d) return chart_data 复制代码
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 数据可视化—Echarts图表应用
- 组件化可视化图表 - Recharts
- 组件化可视化图表 - Recharts
- 使用MongoDB图表对数据进行可视化
- 遇见大数据可视化 : 图表的视觉系统感知
- Python数据可视化之Pygal图表类型
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
PYTHON3:数据分析与机器学习实战
龙马高新教育 / 北京大学出版社 / 2018-9-1 / 69.00
机器学习(Machine Learning, ML)是一门多领域交叉学科,是人工智能的核心,其应用遍及人工智能的各个领域,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。在机器学习过程中,需要使用大量数据,而数据分析是指用适当的方法对收集的大量数据进行分析,提取有用信息并形成结论,进而对数据加以详细研究和概括总结的过程。本书结合机器学......一起来看看 《PYTHON3:数据分析与机器学习实战》 这本书的介绍吧!