echarts3 图表配置小总结

grid: {   //图表在父元素的位置 也可以写成left,center等
  left: '10%', 
  right: '10%',
  bottom: '10%'
},
legend: { //图标的标签。样式会自动根据表格的格式改变,自己也可以调整
  data: ['询价', '企业招标', '询价增长率', '企业招标增长率']
},
color: ['#2ec7c9', '#ffb980', '#2ec7c9', '#ffb980'] ,// 可以直接在option中配置颜色,
根据图表的先后顺序来决定
xAxis: {} //这个类是来决定图表的X轴样式,我自己经常用的主要是data,type等属性。其他的比如颜色
宽度等,需要的时候自己定义(其实默认的我觉得也不错,是#333的颜色)
yAxis:{} //这个类是决定图表的Y轴样式,用法和xAxis基本相同。这两个属性中type可以决定图表的横竖
结构
series:{} //这个属性是里面最多的,用法也很多,决定你的图表是折线图还是柱状图或者其他的图,
具体的参考echarts 官网  http://echarts.baidu.com/index.html

上面的都是比较常用的内容,但是在写图表的时候,经常会遇到很多的要求,比如折线与柱状图混排,
比如给柱状图的柱子加上圆角等等。
图表混排
series: [
      {
        name: 'a',
        type: 'bar',
        data: [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6],
      },
      {
        name: 'b',
        type: 'bar',
        data: [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6],
      },
      {
        name: 'v',
        type: 'line',
        yAxisIndex: 1,
        data: [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3]
      },
      {
        name: 'f',
        type: 'line',
        yAxisIndex: 1,
        data: [3, 4, 2, 1, 2, 3, 1]
      }
    ]
圆角:在series内ries
itmeStyle: {
          normal: {
            barBorderRadius: 4
          }
        }
平均值:
markLine : {
                    data : [
                        {type : 'average', name: '平均值'}
                    ]
                },
后面会持续更新,先写到这里。



获取最大值和最小值

  • 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