Flex Chart 中用dataFunction对数据进行处理

在flex中用chart对数据展示时,有时候数据中有空值,但是希望数据为空时能用其他默认值来代替,这个时候就可以用dataFunction来做对数据显示前的一个预处理。

<s:Application 
	xmlns:fx="http://ns.adobe.com/mxml/2009" 
	xmlns:mx="library://ns.adobe.com/flex/mx" 
	xmlns:s="library://ns.adobe.com/flex/spark" 
	height="600">
	<fx:Script><![CDATA[
		import mx.charts.CategoryAxis;
		import mx.charts.chartClasses.AxisBase;
		import mx.charts.chartClasses.Series;
		
		[Bindable] 
		public var SMITH:Array = [ 
		{month: 1, High:45.87,Low:null, open:25.19}, 
		{month: 2, High:45.74,Low:10.23, open:35.29}, 
		{month: 3, High:45.77,Low:12.13, open:45.19}, 
		{month: null, High:46.06,Low:10.45, open:15.59}, 
		]; 
		
		private function columnDataFunc(series:Series, item:Object, fieldName:String):Object { 
			if(fieldName == "yValue" && series.hasOwnProperty("yField"))
			{
				var yfield:String = series["yField"];
				if(item[yfield] == null)
				{
					return 123; 
				}
				//此时的返回值必须与数据类型相匹配。
				return item[yfield];
			}
			else if(fieldName == "xValue")
			{
				var xfield:String = categoryAxis.categoryField;
				//此时,必须返回为string类型的值,因为x轴为null时,chart控件会默认用此数据的index来代表,如果不为string的话,chart的图形会发生平移现象
				//但是记得此时必须和categoryDataFunction中的返回逻辑一样
				return item[xfield] != null ? item[xfield].toString() : "4";
			}
			else
			{
				return null;
			}
		} 
		private function categoryDataFunction(axis:AxisBase, item:Object):Object { 
			// 对数据源数据显示之前做处理,因为显示的时候都用string类型,所以可以返回任何类型
			return item.month == null ? "4" :  item.month; 
		} 
		
		protected function categoryAxisLabelFunction(item:Object, prevValue:Object, axis:CategoryAxis, categoryItem:Object):String
		{
			// labelFunction 仅仅决定显示的label的值
			var showString:String = item.toString() + " -label";
			return  showString;  
		}
		
	]]></fx:Script>
	<s:layout>
		<s:VerticalLayout/>
	</s:layout>
	<mx:ColumnChart id="chart" dataProvider="{SMITH}"
					showDataTips="true" width="100%" height="100%">
		<mx:horizontalAxis>
			<!-- The dataFunction replaces "categoryField='month'. -->
			<mx:CategoryAxis id="categoryAxis"  
							 dataFunction="categoryDataFunction"
							 labelFunction="categoryAxisLabelFunction"
							 categoryField="month"/>
		</mx:horizontalAxis>
		<mx:series>
			<!--
			The dataFunction replaces yField value, which cannot drill down
			into an object (close.High is not valid).
			-->
			<mx:ColumnSeries id="highClose" yField="High" maxColumnWidth="20" name="High"
							 dataFunction="columnDataFunc" />
			<mx:ColumnSeries id="lowClose" yField="Low" maxColumnWidth="20" name="Low"
							 dataFunction="columnDataFunc" />
		</mx:series>
	</mx:ColumnChart>
</s:Application>

 

  • 0
    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