Vue项目中引入Echarts可视化图(保证学会)

news/2024/7/9 23:54:03 标签: python, vue, 数据可视化, 可视化, js

Vue项目中引入Echarts可视化

1 安装Vue-Echarts

js"> "vue-echarts": "^5.0.0-beta.0" //不同版本可能兼容性不同,我用的这个版本
 npm install  --save vue-echarts@^5.0.0-beta.0

2 在指定Vue文件中引入Echarts

vue"><script>
import Vue from "vue";
import ECharts from "vue-echarts";
import "echarts";
Vue.component("IEcharts", ECharts);
export default {

}
</script>

3 找到需要引用的Echarts图

js">option = {
    title: {
        text: '某站点用户访问来源',
        subtext: '纯属虚构',
        left: 'center'
    },
    tooltip: {
        trigger: 'item'
    },
    legend: {
        orient: 'vertical',
        left: 'left',
    },
    series: [
        {
            name: '访问来源',
            type: 'pie',
            radius: '50%',
            data: [
                {value: 1048, name: '搜索引擎'},
                {value: 735, name: '直接访问'},
                {value: 580, name: '邮件营销'},
                {value: 484, name: '联盟广告'},
                {value: 300, name: '视频广告'}
            ],
            emphasis: {
                itemStyle: {
                    shadowBlur: 10,
                    shadowOffsetX: 0,
                    shadowColor: 'rgba(0, 0, 0, 0.5)'
                }
            }
        }
    ]
};

4 在Vue文件中引用该图

vue"><template> 
	<IEcharts :options="PieChartOption" autoresize />
</template>
<script>
import Vue from "vue";
import ECharts from "vue-echarts";
import "echarts";
Vue.component("IEcharts", ECharts);
export default {
    data(){
        return{
            pieChartData: [0, 0, 0, 0, 0], //饼状图数据源
        }
    },
computed: {
    PieChartOption() {
        return {
            title: {
                text: `${this.optCourse.course_name}-${this.optClass.name}`,
                subtext: `${this.optIndex.index_name}`,
                left: "center"
            },
            tooltip: {
                trigger: "item"
            },
            legend: {
                orient: "vertical",
                left: "left"
            },
            series: [
                {
                    name: "访问来源",
                    type: "pie",
                    radius: "50%",
                    data: [
                        { value: this.pieChartData[4], name: "60分以下" },
                        { value: this.pieChartData[3], name: "60-70分" },
                        { value: this.pieChartData[2], name: "70-80分" },
                        { value: this.pieChartData[1], name: "80-90分" },
                        { value: this.pieChartData[0], name: "90分以上" }
                    ],
                    emphasis: {
                        itemStyle: {
                            shadowBlur: 10,
                            shadowOffsetX: 0,
                            shadowColor: "rgba(0, 0, 0, 0.5)"
                        }
                    }
                }
            ]
        };
    }
},
}
</script>

5 解决Vue中数组视图更新的最好办法

js">this.pieChartData=this.pieChartData.concat([])

结语

如果你发现文章有什么问题,欢迎留言指正。
如果你觉得这篇文章还可以,别忘记点个赞加个关注再走哦。
如果你不嫌弃,还可以关注微信公众号———梦码城(持续更新中)。
梦码在这里感激不尽!!


http://www.niftyadmin.cn/n/941671.html

相关文章

知识图谱教学平台总结(前端)

知识图谱教学平台总结 服务器部署 apt show nginx //查询是否有nginx 没有使用 apt update apt install nginx apt install -y nodejs //安装node node -v看版本 apt install -y npm //安装npm npm -v看版本 npm config set registry https://registry.npm.taobao.org //配…

numpy属性

import numpy as np# 列表转换为矩阵 array np.array([[1, 2, 3], [2, 3, 4]]) print(array)# 维度 print(number of dim: , array.ndim) # 维度 print(shape: , array.shape) # 行数和列数 print(size: , array.size) # 元素个数

numpy创建array

import numpy as np# 关键字: # array&#xff1a;创建数组 # dtype&#xff1a;指定数据类型 # zeros&#xff1a;创建数据全为0 # ones&#xff1a;创建数据全为1 # empty&#xff1a;创建数据接近0 # arrange&#xff1a;按指定范围创建数据 # linspace&#xff1a;创建线段…

numpy基础运算

import numpy as np# a 和 b 是两个属性为 array 也就是矩阵的变量&#xff0c;而且二者都是1行4列的矩阵&#xff0c; 其中b矩阵中的元素分别是从0到3。 a np.array([10, 20, 30, 40]) b np.arange(4) # 矩阵减法 c a - b # 矩阵加法 c a b # 矩阵乘法 c a * b # array(…

numpy索引

import numpy as npa np.arange(3, 15) a np.arange(3, 15).reshape((3, 4)) # print(a[2]) # print(a[2][1]) # print(a[1, 1]) print(a) print(a[1, 1:3]) # 取左不取右 # 按行遍历 for row in a:print(row) # 按列遍历 for column in a.T:print(column) # 迭代输出 # fla…

numpy合并array

import numpy as npa np.ones((3)) b np.array([1, 2, 3]) # vertical stack本身属于一种上下合并&#xff0c;即对括号中的两个整体进行对应操作。 c np.vstack((a, b)) print(a.shape) print(a) # 左右合并 c np.hstack((a, b))# np.newaxis() 矩阵转置 print(a[np.newax…

numpy分割array

import numpy as npa np.arange(12).reshape((3, 4)) print(a) # 纵向分割 c np.split(a, 2, axis1) c np.hsplit(a, 2) # 横向分割 c np.split(a, 3, axis0) c np.vsplit(a, 3) # 不等量分割 c np.array_split(a, 3, axis1) print(c)

numpy数组赋值和数组copy

import numpy as npa np.arange(4) b a a[0] 11 print(a) print(b) # b 的值会随着a的改变而变化 # [11 1 2 3] # [11 1 2 3] # copy() 的赋值方式没有关联性 b a.copy() a[2] 11 print(a) print(b) # [11 1 11 3] # [11 1 2 3]