地图订单量

该博客展示了一个使用ECharts库实现的中国地图数据可视化应用,用于显示各省份的订单量。通过随机生成的数据,地图上的每个区域用不同的颜色和数值表示订单量的多少,提供了一种直观了解全国订单分布的方式。用户还可以交互查看数据,包括缩放、恢复、保存为图片等功能。
摘要由CSDN通过智能技术生成
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Document</title>
    <script src="./assets/js/jquery-1.9.1.min.js"></script>
    <script src="./assets/dist/echarts.js"></script>
   <style>
       .k{
           color: #A3E00B;
       }
   </style>

   
</head>
<body>
    <div id="map" style="width: 100%; overflow: auto; overflow: hidden;"></div>
    <script>
        $("#map").height($(window).height()-20);
        $(window).resize(function(){
            $("#map").height($(window).height()-20);
        });
        require.config({
            paths:{echarts:"./assets/dist"}
        });
        require(
            ['echarts',
            'echarts/theme/macarons',
            'echarts/chart/map',
            ],
            function(ec,theme){
                var myChart = ec.init(document.getElementById('map'),theme);
                option = 
                {
                    title:{text:'订单量',subtext:'',x:'center'},
                    tooltip:{trigger:'item'},
                    legend:{orient:'vertical',x:'left',data:['订单量']},
                    dataRange:
                    {
                    x:'left',y:'bottom',
                    splitList:
                    [
                        {start:500},
                        {start:900,end:1500},
                        {start:310,end:1000},
                        {start:200,end:300},
                        {start:10,end:200,label:'10到200'},
                        {start:5,end:5,label:'5',color:'black'},
                        {end:10}
                    ],
                    color:['#E0022B','#E09107','#A3E00B']
                    },
                  show:
                  {
                    show:true, orient:'vertical',x:'right',y:'center',feature:{
                         mark:
                         {
                             show:true
                         },
                         dataView:{dhoe:true,readOnly:false},
                         restore:{show:true},
                         savaAsImage:{show:true}  
                    }
                  },
                  roamController:{
                      show:true,x:'right',
                      mapTypeControl:{'china':true}
                  },
                  series:[{name:'订单量',type:'map',mapType:'china',roam:false,
                       itemStyle:{
                           normal:{
                               label:{show:true,
                               textStyle:{color:"rgb(249,249,249)"}
                              }
                           },
                           emphasis:{
                               label:{show:true}
                           }
                       },
                       data:[
                           {name:'北京',value:Math.round(Math.random()*2000)},
                           {name:'天津',value:Math.round(Math.random()*2000)},
                           {name:'上海',value:Math.round(Math.random()*2000)},
                           {name:'重庆',value:Math.round(Math.random()*2000)},
                           {name:'河北',value:0},
                           {name:'河南',value:Math.round(Math.random()*2000)},
                           {name:'云南',value:5},
                           {name:'辽宁',value:305},
                           {name:'黑龙江',value:Math.round(Math.random()*2000)},
                           {name:'湖南',value:200},
                           {name:'安徽',value:Math.round(Math.random()*2000)},
                           {name:'山东',value:Math.round(Math.random()*2000)},
                           {name:'新疆',value:Math.round(Math.random()*2000)},
                           {name:'江苏',value:Math.round(Math.random()*2000)},
                           {name:'浙江',value:Math.round(Math.random()*2000)},
                           {name:'江西',value:Math.round(Math.random()*2000)},
                           {name:'湖北',value:Math.round(Math.random()*2000)},
                           {name:'广西',value:Math.round(Math.random()*2000)},
                           {name:'甘肃',value:Math.round(Math.random()*2000)},
                           {name:'山西',value:Math.round(Math.random()*2000)},
                           {name:'内蒙古',value:Math.round(Math.random()*2000)},
                           {name:'陕西',value:Math.round(Math.random()*2000)},
                           {name:'吉林',value:Math.round(Math.random()*2000)},
                           {name:'福建',value:Math.round(Math.random()*2000)},
                           {name:'贵州',value:Math.round(Math.random()*2000)},
                           {name:'广东',value:Math.round(Math.random()*2000)},
                           {name:'青海',value:Math.round(Math.random()*2000)},
                           {name:'西藏',value:Math.round(Math.random()*2000)},
                           {name:'四川',value:Math.round(Math.random()*2000)},
                           {name:'宁夏',value:Math.round(Math.random()*2000)},
                           {name:'海南',value:Math.round(Math.random()*2000)},
                           {name:'台湾',value:Math.round(Math.random()*2000)},
                           {name:'香港',value:Math.round(Math.random()*2000)},
                           {name:'澳门',value:Math.round(Math.random()*2000)},
                       ]
                  }]
                };
                myChart.setOption(option);
            }
        )
    </script>
</body>
</html>

 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值