手把手教你用ECharts画柱状图

大数据 数据可视化
柱状图主要用于表示离散数据的频数,也是一种基础可视化图。

01 简单的柱状图

在ECharts中制作柱状图也十分简单,通过将series中的type设置为bar即可,代码如下: 

  1. option = {  
  2.     xAxis: {  
  3.         type: 'category',  
  4.         data: ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']  
  5.     },  
  6.     yAxis: {  
  7.         type: 'value'  
  8.     },  
  9.     series: [{  
  10.         data: [100, 150, 120, 90, 50, 130, 110],  
  11.         type: 'bar'  
  12.     }]  
  13. }; 

可视化结果如图4-8所示。

▲图4-8 简单的柱状图

我们同样可以在代码中添加label以显示具体数值,例如在每个柱子上显示对应数值,代码如下: 

  1. option = {  
  2.     xAxis: {  
  3.         type: 'category',  
  4.         data: ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']  
  5.     },  
  6.     yAxis: {  
  7.         type: 'value'  
  8.     },  
  9.     series: [{  
  10.         data: [100, 150, 120, 90, 50, 130, 110],  
  11.         type: 'bar',  
  12.         label: {  
  13.                 show: true,  
  14.                 position: 'top'  
  15.             },  
  16.     }]   
  17. }; 

可视化结果如图4-9所示。

▲图4-9 简单的柱状图加入label

02 聚合柱状图

除了简单的柱状图,在实际场景中也会经常用到聚合柱状图,以更直观地比较各维度信息。例如,在原来的代码中加入legend,再加入一批数据,并将x轴的星期改为不同商场,代码如下: 

  1. option = {  
  2.     title: {  
  3.         text: '产品一周销量情况'  
  4.     },  
  5.     xAxis: {  
  6.         type: 'category',  
  7.         data: ['A商场', 'B商场', 'C商场', 'D商场', 'E商场', 'F商场', 'G商场']  
  8.     },  
  9.     yAxis: {  
  10.         type: 'value'  
  11.     },  
  12.     legend: {  
  13.         data: ['A产品', 'B产品']  
  14.     },  
  15.     series: [{  
  16.         name: 'A产品',  
  17.         data: [100, 150, 120, 90, 50, 130, 110],  
  18.         type: 'bar',  
  19.         label: {  
  20.                 show: true,  
  21.                 position: 'top'  
  22.             }  
  23.     },  
  24.     {  
  25.         name: 'B产品',  
  26.         data: [120, 130, 110, 70, 60, 110, 140],  
  27.         type: 'bar',  
  28.         label: {  
  29.                 show: true,  
  30.                 position: 'top'  
  31.             }  
  32.     }]  
  33. }; 

可视化结果如图4-10所示。

结合图4-10,我们可以非常直观地比较不同商场的不同产品的销售情况。

▲图4-10 聚合柱状图

有时也会用到水平聚合柱状图,具体要如何实现呢?交换xAxis和yAxis中的内容,同时将数字label中的position由top改为right即可,代码如下: 

  1. option = {  
  2.     title: {  
  3.         text: '产品一周销量情况'  
  4.     },  
  5.     xAxis: {  
  6.         type: 'value'     
  7.     },  
  8.     yAxis: {  
  9.         type: 'category',  
  10.         data: ['A商场', 'B商场', 'C商场', 'D商场', 'E商场', 'F商场', 'G商场']  
  11.     },  
  12.     legend: {  
  13.         data: ['A产品', 'B产品']  
  14.     },  
  15.     series: [{  
  16.         name: 'A产品',  
  17.         data: [100, 150, 120, 90, 50, 130, 110],  
  18.         type: 'bar',  
  19.         label: {  
  20.                 show: true,  
  21.                 position: 'right'  
  22.             }  
  23.     },  
  24.     { 
  25.          name: 'B产品',  
  26.         data: [120, 130, 110, 70, 60, 110, 140],  
  27.         type: 'bar',  
  28.         label: {  
  29.                 show: true,  
  30.                 position: 'right'  
  31.             }  
  32.     }]  
  33. }; 

可视化结果如图4-11所示。

▲图4-11 水平聚合柱状图

03 堆叠柱状图

除上述几种柱状图,堆叠柱状图也是非常常用的。下面我们来制作一个不同产品在不同商场销量的堆叠柱状图,代码如下: 

  1. option = {  
  2.     tooltip: {  
  3.         trigger: 'axis',  
  4.         axisPointer: {         
  5.              type: 'shadow'  
  6.         }  
  7.     },  
  8.     legend: {  
  9.         data: ['A商场', 'B商场', 'C商场', 'D商场', 'E商场']  
  10.     },  
  11.     xAxis: {  
  12.         type: 'value'  
  13.     },  
  14.     yAxis: {  
  15.         type: 'category',  
  16.         data: ['A产品', 'B产品', 'C产品', 'D产品', 'E产品', 'F产品', 'G产品']  
  17.     },  
  18.     series: [  
  19.         {  
  20.             name: 'A商场',  
  21.             type: 'bar',  
  22.             stack: '总量',  
  23.             label: {  
  24.                 show: true,  
  25.                 position: 'inside'  
  26.             },  
  27.             data: [320, 302, 301, 334, 390, 330, 320]  
  28.         },  
  29.         {  
  30.             name: 'B商场',  
  31.             type: 'bar',  
  32.             stack: '总量',  
  33.             label: {  
  34.                 show: true,  
  35.                 position: 'inside'  
  36.             },  
  37.             data: [320, 332, 301, 334, 490, 330, 310]  
  38.         },  
  39.         {  
  40.             name: 'C商场',  
  41.             type: 'bar', 
  42.             stack: '总量',  
  43.             label: {  
  44.                 show: true,  
  45.                 position: 'inside'  
  46.             },  
  47.             data: [220, 182, 191, 234, 290, 330, 310]  
  48.         },  
  49.         {  
  50.             name: 'D商场',  
  51.             type: 'bar', 
  52.             stack: '总量',  
  53.             label: {  
  54.                 show: true,  
  55.                 position: 'inside'  
  56.             },  
  57.             data: [150, 212, 201, 154, 190, 330, 410]  
  58.         },  
  59.         {  
  60.             name: 'E商场',  
  61.             type: 'bar',  
  62.             stack: '总量',  
  63.             label: {  
  64.                 show: true,  
  65.                 position: 'inside'  
  66.             },  
  67.             data: [420, 532, 501, 234, 290, 330, 320]  
  68.         } 
  69.     ]  
  70. }; 

可视化结果如图4-12所示。

▲图4-12 堆叠柱状图

在上述代码中,tooltip中的type为shadow,所以当鼠标悬停在柱子上时,会显示阴影效果。这里的堆叠效果主要是通过stack参数决定的,当我们删除A商场的stack参数,并将B商场和C商场的stack参数改为“总量1”之后,其可视化结果如图4-13所示。所以可以这样理解:stack参数相同的柱子会堆叠在一起,如果没有这个参数,则该部分不堆叠。

▲图4-13 堆叠柱状图调整堆叠效果

关于作者:王大伟,毕业于华东理工大学,硕士学历,目前就职于平安金融壹账通,从事数据挖掘算法工作,擅长ECharts、Python、自然语言处理、数据分析挖掘、机器学习。曾获微软最有价值专家(MVP)荣誉称号。

本文摘编自《ECharts数据可视化:入门、实战与进阶》,经出版方授权发布。 

 

责任编辑:庞桂玉 来源: 大数据DT
相关推荐

2021-06-05 23:51:21

ECharts气泡图散点图

2021-01-08 10:32:24

Charts折线图数据可视化

2021-01-27 21:55:13

代码参数值ECharts

2021-08-09 13:31:25

PythonExcel代码

2022-10-19 14:30:59

2021-02-04 09:00:57

SQLDjango原生

2021-02-06 14:55:05

大数据pandas数据分析

2011-03-28 16:14:38

jQuery

2020-12-14 08:05:28

Javascript随机canvas

2022-08-04 10:39:23

Jenkins集成CD

2009-04-22 09:17:19

LINQSQL基础

2021-05-10 06:48:11

Python腾讯招聘

2012-01-11 13:40:35

移动应用云服务

2020-03-08 22:06:16

Python数据IP

2021-12-11 20:20:19

Python算法线性

2021-02-02 13:31:35

Pycharm系统技巧Python

2021-08-02 23:15:20

Pandas数据采集

2017-10-27 10:29:35

人脸识别UbuntuPython

2021-05-08 08:04:05

Python爬取素材

2021-05-17 21:30:06

Python求均值中值
点赞
收藏

51CTO技术栈公众号