基于Echarts2.X的地图数据可视化指南

这篇具有很好参考价值的文章主要介绍了基于Echarts2.X的地图数据可视化指南。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

前言

 一、关于Echarts版本

1、为什么用Echarts2.2.7

2、文件目录说明

二、地图数据可视化

1、新建map.html

2、Echarts图表初始化

3、参数设置

 三、源码展示分析

1、初始化阶段

 2、timelineOption.js模拟数据

总结


前言

        在前面的博文(数据会说话-从我国的收入及消费支出看存款难度)中,我们对2021年的居民可支配收入和消费支出数据进行了表格的展示。在原文中,使用表格展示的方式对数据进行了展示,虽然满足了展示的需求,但是在宏观上,从地理角度对数据进行时空分布没有直观的展示。如何在不采用GIS软件进行空间展示的前提下进行数据展示(毕竟大家对gis还不是人尽皆知)。

        熟悉Echarts的小伙伴一定知道,Echarts现在是Apache的一个前端项目,是百度贡献给Apache的一款前端报表工具,基于Echarts可以基于坐标的图表(如地图、散点图)通过色彩变化表现数值的大小能直观形象的展示数据分布。但如何聚焦到我所关心的数值上?ECharts拥有值域漫游的功能,让你可以轻松进行数值筛选。

基于Echarts2.X的地图数据可视化指南

        本文将基于Echarts2.2.7版本,重点讲解如何使用Html5和JavaScript进行Echarts地图开发,同时在地图上集成时间轴和数值展示,最后提供一个极简的集成实例,通过实例运行掌握实际开发。 

 一、关于Echarts版本

1、为什么用Echarts2.2.7

        是的,您没有看错,这里采用的2.2.7的版本,社区最新的版本应该是5.4.x,确实不是现在最新的版本,请原谅没有跟上最新的步伐。如果看过最新版本的话,应该了解,Echarts在升级过程中,由于一些问题,将地图的默认实现移除了。需要自己去注册地图数据后才能用,后期可以写一篇如何最新版本的Echarts中进行离线地图报表开发(CSDN也有一些博主进行了新版的地图开发尝鲜,也分享了一些开发心得和经验)。博客中采用的2.2.7的版本是包含了map地图组件的,这是一个极简的包,只需要引入两个js(其中一个是数据模拟js)就可以进行地图展示,方便展示。虽然新版本移除了基础依赖,但基础的配置如参数等变化不大,因此掌握了这个老版本的参数和操作方法,对于新的api的升级也会得心应手。

2、文件目录说明

        这里实例的文件是最少的,极简版的由来。必要的文件只有一个html文件和一个js,另一个js文件是数据模拟js。

基于Echarts2.X的地图数据可视化指南

文件名 说明
map.html 主文件
lib/echarts-all.js echarts集成版js
lib/timelineOption.js 数据模拟js包

二、地图数据可视化

1、新建map.html

<!DOCTYPE html>
<head>
    <meta charset="utf-8">
    <title>ECharts2.2.7地图展示例子</title>
</head>
<body>
    <!-- 为ECharts准备一个具备大小(宽高)的Dom -->
    <div id="main" style="width:100%;height:600px;float:left;"></div>
    <!-- ECharts单文件引入 -->
    <script src="lib/echarts-all.js"></script>
	<script src="lib/timelineOption.js"></script>
</body>

        在上面的代码中,引入了echarts-all.js文件和timelineOption.js文件。echarts-all.js是必须引入的资源。在实际开发中,数据后台返回的,因此timelineOption.js是非必须的,通过接口获取相应数据。在页面上设置一个id为“main”的div,同时设置了它的高度和宽度。

2、Echarts图表初始化

// 基于准备好的dom,初始化echarts图表
 var myChart = echarts.init(document.getElementById('main')); 

        这里将采用echarts的init方法对dom元素进行初始化,后续就会采用myChart进行参数的设置和事件的绑定。

option = {
			timeline:{
				data:[
					'2002-01-01','2003-01-01','2004-01-01','2005-01-01','2006-01-01',
					'2007-01-01','2008-01-01','2009-01-01','2010-01-01','2011-01-01'
				],
				label : {
					formatter : function(s) {
						return s.slice(0, 4);
					}
				},
				autoPlay : true,//是否自动播放
				playInterval : 1000
			},
			options:[
				{
					title : {
						'text':'2002全国宏观经济指标',
						'subtext':'数据来自国家统计局(模拟)'
					},
					tooltip : {'trigger':'item'},
					toolbox : {
						'show':true, 
						orient : 'vertical',
						x: 'right',
						y: 'center',
						'feature':{
							'mark':{'show':true},
							'dataView':{'show':true,'readOnly':false},
							'restore':{'show':true},
							'saveAsImage':{'show':true}
						}
					},
					roamController: {
						show: true,
						x: 'right',
						mapTypeControl: {
							'china': true
						}
					},
					dataRange: {
						min: 0,
						max : 53000,
						text:['高','低'],// 文本,默认为数值文本
						calculable : true,
						x: 'left',
						color: ['orangered','yellow','lightskyblue']
					},
					series : [
						{
							'name':'GDP',
							'type':'map',
							mapType: 'china',
							roam: false,
							itemStyle:{
								normal:{label:{show:true}},
								emphasis:{label:{show:true}}
							},
							'data': dataMap.dataGDP['2002']
						}
					]
				},
				{
					title : {'text':'2003全国宏观经济指标'},
					series : [
						{'data': dataMap.dataGDP['2003']}
					]
				},
				{
					title : {'text':'2004全国宏观经济指标'},
					series : [
						{'data': dataMap.dataGDP['2004']}
					]
				},
				{
					title : {'text':'2005全国宏观经济指标'},
					series : [
						{'data': dataMap.dataGDP['2005']}
					]
				},
				{
					title : {'text':'2006全国宏观经济指标'},
					series : [
						{'data': dataMap.dataGDP['2006']}
					]
				},
				{
					title : {'text':'2007全国宏观经济指标'},
					series : [
						{'data': dataMap.dataGDP['2007']}
					]
				},
				{
					title : {'text':'2008全国宏观经济指标'},
					series : [
						{'data': dataMap.dataGDP['2008']}
					]
				},
				{
					title : {'text':'2009全国宏观经济指标'},
					series : [
						{'data': dataMap.dataGDP['2009']}
					]
				},
				{
					title : {'text':'2010全国宏观经济指标'},
					series : [
						{'data': dataMap.dataGDP['2010']}
					]
				},
				{
					title : {'text':'2011全国宏观经济指标'},
					series : [
						{'data': dataMap.dataGDP['2011']}
					]
				}
			]
		};

3、参数设置

        在上述的代码中,对地图的信息进行了准确的定义,比如坐标系的定义,时间轴的定义。这些可以在官方的API中进行查找,在此不再赘述。参数和图表绑定的代码如下:

// 为echarts对象加载数据 
myChart.setOption(option); 

        经过上述设置就可以进行地图的绑定和显示,先来看一下效果

基于Echarts2.X的地图数据可视化指南

基于Echarts2.X的地图数据可视化指南

 三、源码展示分析

1、初始化阶段

基于Echarts2.X的地图数据可视化指南

         在初始化阶段,我们可以看到Echarts对象的主要参数信息,包括当前版本、依赖、初始化方法和工具类。

基于Echarts2.X的地图数据可视化指南

 2、timelineOption.js模拟数据

var dataMap = {};
function dataFormatter(obj) {
    var pList = ['北京','天津','河北','山西','内蒙古','辽宁','吉林','黑龙江','上海','江苏','浙江','安徽','福建','江西','山东','河南','湖北','湖南','广东','广西','海南','重庆','四川','贵州','云南','西藏','陕西','甘肃','青海','宁夏','新疆'];
    var temp;
    var max = 0;
    for (var year = 2002; year <= 2011; year++) {
        temp = obj[year];
        for (var i = 0, l = temp.length; i < l; i++) {
            max = Math.max(max, temp[i]);
            obj[year][i] = {
                name : pList[i],
                value : temp[i]
            }
        }
        obj[year+'max'] = Math.floor(max/100) * 100;
    }
    return obj;
}

function dataMix(list) {
    var mixData = {};
    for (var i = 0, l = list.length; i < l; i++) {
        for (var key in list[i]) {
            if (list[i][key] instanceof Array) {
                mixData[key] = mixData[key] || [];
                for (var j = 0, k = list[i][key].length; j < k; j++) {
                    mixData[key][j] = mixData[key][j] 
                                      || {name : list[i][key][j].name, value : []};
                    mixData[key][j].value.push(list[i][key][j].value);
                }
            }
        }
    }
    return mixData;
}

dataMap.dataGDP = dataFormatter({
    //max : 60000,
    2011:[16251.93,11307.28,...],
    2010:[14113.58,9224.46,...],
    2009:[12153.03,7521.85,...],
    2008:[11115,6719.01,...],
    2007:[9846.81,5252.76,...],
    2006:[8117.78,4462.74,...],
    2005:[6969.52,3905.64,...],
    2004:[6033.21,3110.97,...],
    2003:[5007.21,2578.03,...],
    2002:[4315,2150.76,...]
});

dataMap.dataGDP_Estate = dataMix([dataMap.dataEstate, dataMap.dataGDP]);

        上面是一个模拟的数据例子,实际开发的时候不需要,直接从后台获取数据后进行展示即可。上面的示例数据需要自行扩展。

总结

        以上就是本文的主要内容,本文将基于Echarts2.2.7版本,重点讲解如何使用Html5和JavaScript进行Echarts地图开发,同时在地图上集成时间轴和数值展示,最后提供一个极简的集成实例,通过实例运行掌握实际开发,通过Echarts的地图组件来完成数据的地理可视化,文章行文仓促,如有不当之处,敬请批评指正。 

        传送门:基于Echarts2.2.7的带时间轴地图展示源代码文章来源地址https://www.toymoban.com/news/detail-514300.html

到了这里,关于基于Echarts2.X的地图数据可视化指南的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包赞助服务器费用

相关文章

  • echarts地图 可视化大屏使用echarts-map实现地图轮播效果

    echarts地图 可视化大屏使用echarts-map实现地图轮播效果

    记录一下大屏开发中使用到的echartsMap 大屏的页面根据需求前前后后改了几个版本了,地图的样式也改了又改 这里记录一下,因为echarts属性用到的比较多也比较杂,防止以后需要用到忘记了 初始效果 效果图: 适应大屏风格的发光地图效果,用了两个图层实现叠加背景图片实

    2024年02月16日
    浏览(7)
  • 基于Echarts构建大数据招聘岗位数据可视化大屏

    基于Echarts构建大数据招聘岗位数据可视化大屏

    🤵‍♂️ 个人主页:@艾派森的个人主页 ✍🏻作者简介:Python学习者 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 💬点赞👍🏻 收藏 📂加关注+ 目录 1.项目背景 2.项目简介 3.项目流程 3.1整体布局 3.2左边布局 3.3中间布局  3.4右边布局  

    2024年02月03日
    浏览(16)
  • 数据可视化大屏——基于echarts的开发经验分享

    各位同事大家好!下面是我使用echarts中总结的一些个人经验,仅供参考。 echarts的能力、优劣等特点大家应该在技术选型阶段已经有所了解,这里主要分享使用、设计等经验。 echarts由无到有一共只需要四步: 引入echarts资源 :支持模块化项目使用npm下载引入,老项目使用s

    2024年02月01日
    浏览(9)
  • 【数据可视化】基于Python和Echarts的中国经济发展与人口变化可视化大屏

    【数据可视化】基于Python和Echarts的中国经济发展与人口变化可视化大屏

    1.题目要求 本次课程设计要求使用Python和ECharts实现数据可视化大屏。要求每个人的数据集不同,用ECharts制作Dashboard(总共至少4图),要求输入查询项(地点和时间)可查询数据,查询的数据的地理位置展示在地图上;绘制一个带时间轴的动态图,展示不同时间的数据;根据

    2024年02月16日
    浏览(9)
  • 基于Python的疫情数据可视化(matplotlib,pyecharts动态地图,大屏可视化)

    基于Python的疫情数据可视化(matplotlib,pyecharts动态地图,大屏可视化)

    有任何学习问题可以加我微信交流哦!bmt1014 1、项目需求分析 1.1背景 2020年,新冠肺炎疫情在全球范围内爆发,给人们的健康和生命带来了严重威胁,不同国家和地区的疫情形势也引起了广泛的关注。疫情数据的监测和分析对疫情防控和科学防治至关重要。本报告以疫情数据

    2024年02月05日
    浏览(18)
  • 基于Echarts的超市销售可视化分析系统(数据+程序+论文)

    基于Echarts的超市销售可视化分析系统(数据+程序+论文)

    本论文旨在研究Python技术和ECharts可视化技术在超市销售数据分析系统中的应用。本系统通过对超市销售数据进行分析和可视化展示,帮助决策层更好地了解销售情况和趋势,进而做出更有针对性的决策。本系统主要包括数据处理、数据可视化和系统测试三个模块。其中,数据

    2024年04月11日
    浏览(36)
  • 基于Echarts的超市销售可视化分析系统(数据+程序+论文

    基于Echarts的超市销售可视化分析系统(数据+程序+论文

    本论文旨在研究Python技术和ECharts可视化技术在超市销售数据分析系统中的应用。本系统通过对超市销售数据进行分析和可视化展示,帮助决策层更好地了解销售情况和趋势,进而做出更有针对性的决策。本系统主要包括数据处理、数据可视化和系统测试三个模块。其中,数据

    2024年04月17日
    浏览(13)
  • vue-使用echarts+echarts-gl实现某个省份地区地图3d可视化

    前言 最近在开发中遇到一个需求,需要把一个地区地图变成3d感觉悬浮在大屏中间配合业务需求 其实echarts配合三方库就可以实现这个效果,具体细节需要自己调整 代码实现 1.下载各省份各地区地图数据-json文件-根据需求下载对应地图json数据引入即可 最新全国地图JSON数据

    2024年01月20日
    浏览(14)
  • 基于Echarts的大数据可视化模板:大数据医疗服务平台
  • 基于Echarts的大数据可视化模板:服务器运营监控

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包