百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT知识 > 正文

推荐一个适合App、小程序等所有前端应用的图表库

liuian 2024-12-18 15:36 52 浏览

作为Web开发人员,在做项目的时候,项目都有一些报表的需求。今天给大家推荐一个图表库,兼容IOS、Android、各个平台小程序等。

项目简介

这是一个一款基于canvas API开发的适用于所有前端应用的图表库。报表种类齐全、功能强大,集成简单。兼容uni-app、taro 、各个小程序原生平台,可根据项目需求选型。

技术架构

1、技术:canvas API、JavaScript、Css。

2、兼容平台:uni-app、taro 、微信小程序、支付宝小程序、京东小程序、字节小程序、快手小程序、百度小程序等平台。

项目结构

报表类型

1、柱状图:基本柱状图、堆叠柱状图、圆角+渐变+半透明柱状图、温度计图表、圆角温度计图表、柱状图滚动条、全圆角柱状图+标记线

2、山峰图:圆角山峰图、尖角山峰图、三角山峰图、直角山峰图、山峰图无边渐变色、山峰图有边透明渐变+滚动条、山峰图有边渐变+标记线、山峰图圆角渐变色柱状图

3、条状图:堆叠条状图、圆角条状图+渐变色

4、折线图:基本折线图、基本曲线图、基本时序图、折线图+断点续连connectNulls、折线图滚动条、时间轴折线图

5、区域图:基本折线区域图、渐变色曲线区域图、渐变色时序区域图、时间轴(矢量轴)区域图

6、散点图:散点图

7、气泡图:气泡图

8、混合图:多坐标系混合图

9、饼状图:基本饼状图、带分割线+渐变色、自定义标签内容、自定义标签隐藏

10、环形图:基本环形图、分割线+渐变色、自定义标签内容、自定义标签隐藏

11、玫瑰图:面积玫瑰图、半径玫瑰图+分割线+渐变色、自定义标签内容、自定义标签隐藏

12、雷达图:多边形雷达图、圆形雷达图、刻度标签+网格抽稀、渐变色雷达图、

13、进度条:圆弧进度条+渐变色、多重整圆进度条、逆时针+圆弧进度条、逆时针+多重整圆进度条、圆角整圆进度条、平角整圆进度条

14、仪表盘:基本仪表盘、其他仪表盘

15、漏斗图:标准漏斗图、渐变色+自定义标签、倒三角形漏斗图、金字塔形漏斗图

16、词云图:词云图

17、K线图:K线图+双指缩放

18、地图:地图

19、交互演示:交互数据应用示例、交互数据、TooltipFormat格式化示例、tooltipCustom自定义示例

使用方式

1、原生方式

HTML部分

<template>
  <view>
    <canvas canvas-id="myid" id="myid" class="charts" @tap="tap"/>
  </view></template>

JS部分

<script>import uCharts from '../u-charts.js';var uChartsInstance = {};export default {
  data() {    return {      cWidth: 750,      cHeight: 500
    };
  },
  onReady() {    //这里的 750 对应 css .charts 的 width
    this.cWidth = uni.upx2px(750);    //这里的 500 对应 css .charts 的 height
    this.cHeight = uni.upx2px(500);    this.getServerData();
  },  methods: {
    getServerData() {      //模拟从服务器获取数据时的延时
      setTimeout(() => {        let res = {            categories: ["2016","2017","2018","2019","2020","2021"],            series: [
              {                name: "目标值",                data: [35,36,31,33,13,34]
              },
              {                name: "完成量",                data: [18,27,21,24,6,28]
              }
            ]
          };        this.drawCharts('myid', res);
      }, 500);
    },
    drawCharts(id,data){      const ctx = uni.createCanvasContext(id, this);
      uChartsInstance[id] = new uCharts({        type: "column",        context: ctx,        width: this.cWidth,        height: this.cHeight,        categories: data.categories,        series: data.series,        xAxis: {          disableGrid: true
        },        yAxis: {          data: [ { min: 0 } ]
        },        extra: {          column: {            type: "group"
          }
        }
      });
    },
    tap(e){
      uChartsInstance[e.target.id].touchLegend(e);
      uChartsInstance[e.target.id].showToolTip(e);
    }
  }
};</script>

CSS部分

<style scoped>
  .charts{    width: 750rpx;    height: 500rpx;
  }</style>

2、组件方式

HTML部分

<template>
  <view class="charts-box">
    <qiun-data-charts type="column" :chartData="chartData" />
  </view></template>

JS部分

<script>export default {
  data() {    return {      chartData: {},
    };
  },
  onReady() {    this.getServerData();
  },  methods: {
    getServerData() {      //模拟从服务器获取数据时的延时
      setTimeout(() => {        let res = {            categories: ["2016","2017","2018","2019","2020","2021"],            series: [
              {                name: "目标值",                data: [35,36,31,33,13,34]
              },
              {                name: "完成量",                data: [18,27,21,24,6,28]
              }
            ]
          };        this.chartData = JSON.parse(JSON.stringify(res));
      }, 500);
    },
  }
};</script>

CSS部分

<style scoped>
  .charts-box {    width: 100%;    height: 300px;
  }</style>

报表效果截图

柱状图

山峰图

条状图

折线图

区域图

散点图

气泡图

混合图

饼状图

环形图

玫瑰图


源码地址

私信回复:1037

相关推荐

GANs为何引爆机器学习?这篇基于TensorFlow的实例教程为你解惑!

「机器人圈导览」:生成对抗网络无疑是机器学习领域近三年来最火爆的研究领域,相关论文层出不求,各种领域的应用层出不穷。那么,GAN到底如何实践?本文编译自Medium,该文作者以一朵玫瑰花为例,详细阐...

高丽大学等机构联合发布StarGAN:可自定义表情和面部特征

原文来源:arXiv、GitHub作者:YunjeyChoi、MinjeChoi、MunyoungKim、Jung-WooHa、SungKim、JaegulChoo「雷克世界」编译:嗯~...

TensorFlow和PyTorch相继发布最新版,有何变化

原文来源:GitHub「机器人圈」编译:嗯~阿童木呀、多啦A亮Tensorflow主要特征和改进在Tensorflow库中添加封装评估量。所添加的评估量列表如下:1.深度神经网络分类器(DNNCl...

「2022 年」崔庆才 Python3 爬虫教程 - 深度学习识别滑动验证码缺口

上一节我们使用OpenCV识别了图形验证码躯壳欧。这时候就有朋友可能会说了,现在深度学习不是对图像识别很准吗?那深度学习可以用在识别滑动验证码缺口位置吗?当然也是可以的,本节我们就来了解下使用深度...

20K star!搞定 LLM 微调的开源利器

LLM(大语言模型)微调一直都是老大难问题,不仅因为微调需要大量的计算资源,而且微调的方法也很多,要去尝试每种方法的效果,需要安装大量的第三方库和依赖,甚至要接入一些框架,可能在还没开始微调就已经因为...

大模型DeepSeek本地部署后如何进行自定义调整?

1.理解模型架构a)查看深度求索官方文档或提供的源代码文件,了解模型的结构、输入输出格式以及支持的功能。模型是否为预训练权重?如果是,可以在预训练的基础上进行微调(Fine-tuning)。是否需要...

因配置不当,约5000个AI模型与数据集在公网暴露

除了可访问机器学习模型外,暴露的数据还可能包括训练数据集、超参数,甚至是用于构建模型的原始数据。前情回顾·人工智能安全动态向ChatGPT植入恶意“长期记忆”,持续窃取用户输入数据多模态大语言模型的致...

基于pytorch的深度学习人员重识别

基于pytorch的深度学习人员重识别Torchreid是一个库。基于pytorch的深度学习人员重识别。特点:支持多GPU训练支持图像的人员重识别与视频的人员重识别端到端的训练与评估简单的re...

DeepSeek本地部署:轻松训练你的AI模型

引言:为什么选择本地部署?在AI技术飞速发展的今天,越来越多的企业和个人希望将AI技术应用于实际场景中。然而,对于一些对数据隐私和计算资源有特殊需求的用户来说,云端部署可能并不是最佳选择。此时,本地部...

谷歌今天又开源了,这次是Sketch-RNN

前不久,谷歌公布了一项最新技术,可以教机器画画。今天,谷歌开源了代码。在我们研究其代码之前,首先先按要求设置Magenta环境。(https://github.com/tensorflow/magen...

Tensorflow 使用预训练模型训练的完整流程

前面已经介绍了深度学习框架Tensorflow的图像的标注和训练数据的准备工作,本文介绍一下使用预训练模型完成训练并导出训练的模型。1.选择预训练模型1.1下载预训练模型首先需要在Tensorf...

30天大模型调优学习计划(30分钟训练大模型)

30天大模型调优学习计划,结合Unsloth和Lora进行大模型微调,掌握大模型基础知识和调优方法,熟练应用。第1周:基础入门目标:了解大模型基础并熟悉Unsloth等工具的基本使用。Day1:大模...

python爬取喜马拉雅音频,json参数解析

一.抓包分析json,获取加密方式1.抓包获取音频界面f12打开抓包工具,播放一个(非vip)视频,点击“媒体”单击打开可以复制URL,发现就是我们要的音频。复制“CKwRIJEEXn-cABa0Tg...

五、JSONPath使用(Python)(json数据python)

1.安装方法pipinstalljsonpath2.jsonpath与Xpath下面表格是jsonpath语法与Xpath的完整概述和比较。Xpathjsonpath概述/$根节点.@当前节点...

Python网络爬虫的时候json=就是让你少写个json.dumps()

大家好,我是皮皮。一、前言前几天在Python白银交流群【空翼】问了一个Python网络爬虫的问题,提问截图如下:登录请求地址是这个:二、实现过程这里【甯同学】给了一个提示,如下所示:估计很多小伙伴和...