我做了一个可视化生成ECharts代码的应用,再也不用去看复杂的文档了...(附项目源码)

22 篇文章 3 订阅

0. 为什么有这个项目

大家好,我是波吉。

也许你跟我一样,经历过这样的场景:

  表单中需要开发一个柱状图,你打开了ECharts的文档,照着 [示例] 抄了下来;

  后来产品说,你这颜色不行,改一下,于是你打开了ECharts的文档,面对海量的属性开始发懵

  于是你只能到 [示例] 中找哪个示例有写改颜色的配置…这时,一个上午就过去了

img

  为了能够让大家提效,可视化生成 ECharts 代码的应用诞生!笔者把最经常用到的 ECharts 图表及其常用属性,用可视化操作来代替,满足 日常轻量开发 场景,无需只为改一个柱状颜色而在文档中寻寻觅觅~

在线体验:http://39.103.216.105:13001/#/

项目git:https://gitee.com/Jokerlsss/vue3-ts-echarts-easier(感谢您花两秒钟的时间留下 ❤Star


1. 示例

1)柱状图

img


2)折线图

img


3)饼图

img


2. 技术栈

Vue3 + TypeScript + ElementPlus


3. 如何运行

项目git地址:https://gitee.com/Jokerlsss/vue3-ts-echarts-easier(感谢您花两秒钟的时间留下 ❤Star

  1. 安装依赖 npm install
  2. 运行 npm run dev

4. 笔者的话

  • 【项目简单】该项目目前能实现的功能比较简单,就笔者个人而言,柱状、折线、饼图 几乎涵盖了项目开发中的 90%

  • 【共同参与】但,既然作为一款希望帮助每个开发者提效的工具,我希望有能力的你 一起参与进来,添加更多图表类型和属性,为更多人服务

  • 【保持初心】需要明确的一点是,这款软件不应将不常用的属性或图表添加进来,因为我希望它是一款 上手简单、使用简洁易懂 的软件,如果内容太过于全面,其使用成本不亚于去看 ECharts 官方文档,这是我所不希望的!用 20%的内容解决 80%的场景即可,这不是一本字典,而是趁手的工具

  • 【持续反馈】最后,如果你觉得这个 项目有不足之处,请留下宝贵的意见;如果你觉得能帮到你,还请用 两秒钟的时间,留下你的 Star,这将是笔者不断进步的动力,感谢 ❤

  • 8
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
以下是一个使用`sklearn`库中的`DBSCAN`算法对数据进行聚类的示例代码。在这个例子中,我们使用`make_blobs`函数生成一个随机的二维数据集,并将聚类结果进行可。 ```python import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_blobs from sklearn.cluster import DBSCAN from sklearn.preprocessing import StandardScaler # 生成随机数据集 X, y = make_blobs(n_samples=100, centers=3, n_features=2, random_state=42) # 对数据进行标准 X = StandardScaler().fit_transform(X) # 使用 DBSCAN 算法进行聚类 dbscan = DBSCAN(eps=0.3, min_samples=5) dbscan.fit(X) # 可聚类结果 core_samples_mask = np.zeros_like(dbscan.labels_, dtype=bool) core_samples_mask[dbscan.core_sample_indices_] = True labels = dbscan.labels_ n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0) unique_labels = set(labels) colors = [plt.cm.Spectral(each) for each in np.linspace(0, 1, len(unique_labels))] for k, col in zip(unique_labels, colors): if k == -1: col = [0, 0, 0, 1] class_member_mask = (labels == k) xy = X[class_member_mask & core_samples_mask] plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col), markeredgecolor='k', markersize=14) xy = X[class_member_mask & ~core_samples_mask] plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col), markeredgecolor='k', markersize=6) plt.title('Estimated number of clusters: %d' % n_clusters_) plt.show() ``` 这段代码生成一个包含随机数据集聚类结果的可图表。在你的项目中,你需要将数据从`.csv`文件中读取,并将聚类结果保存到另一个`.csv`文件中,以及根据需要进行其他修改。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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