十万 百万 级数据处理 以及可视化 画图

69 篇文章 0 订阅
22 篇文章 0 订阅

这两天处理后端返回得数据(数据量比较大 1天就2.3万,并且我们得需求比较特殊相当于一下要画最少10万得点),并且在一个画布内画多个折线图(数量不定);

问题一:可视化工具得寻找

常年使用echarts,用得比较顺手,但是涉及到大量得数据,没有找到很好得支持(可能我没找到),这里推荐 蚂蚁数据可视化 antv G2. 可以承载大数量得数据 ,下面是链接:https://g2.antv.vision/zh/examples/area/stacked/
在这里插入图片描述

注:具体得这么画图这边不多叙述,直接看文档!不过这里个人建议,数据量小得 还是用echarts ,用例多,文档易懂。 G2得文档 说实话看着费劲,例子很少,百度问题得量也不多,慎用把。

G2渲染点 最好是1000个点左右,点一万多个 几万个,渲染DOM压力太大,内存会过大导致页面卡

问题二:数据量过大,接口请求缓慢

数据量过大,接口一次请求肯定是不行得 太大。

第一: 接口分页,单独获取一个数量得接口,分次请求。一次可以5000条或者其他。
第二:数据处理,点过多得时候合并点(合并规则自己定,尽量保持在1000个点左右)。
第三:js 代码优化,虽说js 循环千万次都是小意思,实际开发过程中,js 用在大数据循环多了,时间明显变慢,这里就得优化,能一次循环就一次循环去合并数据,像一些数据得处理可以在返回值中去循环,ajax异步得,这样也能节省时间
第四:增加一个css等待加载数据得动画

在这里插入图片描述

  • 3
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,以下是一篇关于学习Python数据可视化与Jupyter Notebook数据处理画图的日志: 今天我学习了Python数据可视化和Jupyter Notebook数据处理画图的方法。Python数据可视化可以帮助我们更好地理解数据,Jupyter Notebook则可以帮助我们更方便地进行数据处理画图。 首先,我学习了Python中的Matplotlib库和Seaborn库。Matplotlib是一个功能强大的数据可视化库,它可以绘制各种类型的图表,如折线图、散点图、直方图等等。Seaborn库则是在Matplotlib基础上进行了封装,提供了更加美观、易用的图表风格,同时还支持更高的统计绘图功能。我通过学习这两个库的使用方法,学会了如何在Python中进行数据可视化。 接下来,我学习了Jupyter Notebook的使用方法。Jupyter Notebook是一个交互式的笔记本,它可以让我们在同一个界面中进行数据处理、代码编写和图表绘制。通过Jupyter Notebook,我们可以很方便地将数据处理和图表绘制整合在一起,形成一份完整的数据分析报告。我学习了如何在Jupyter Notebook中创建和运行代码单元格、如何导入数据、如何进行数据清洗和处理,并且学会了如何使用Matplotlib和Seaborn在Jupyter Notebook中进行图表绘制。 最后,我通过一个实例来练习了Python数据可视化和Jupyter Notebook数据处理画图的方法。我使用了一个公开的数据集,其中包含了一些关于鸢尾花的信息,如花瓣长度、花瓣宽度、花萼长度、花萼宽度等等。我在Jupyter Notebook中导入了这个数据集,并且使用Matplotlib和Seaborn绘制了多种图表,如散点图、箱线图、直方图等等。通过这个实例的练习,我加深了对Python数据可视化和Jupyter Notebook数据处理画图的理解,也掌握了更多实用的技巧和方法。 总的来说,学习Python数据可视化和Jupyter Notebook数据处理画图是非常有用的,它可以帮助我们更好地理解数据、更方便地进行数据分析和报告。我会继续努力学习,提升自己的数据分析能力。
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