这里的第二个参数 。使用处理后的
配置 ECharts 柱状图中的
- bins.data
就可以得到如下的直方图。由于篇幅的问题,这里就不再赘述具体的
- option.data
配置,感兴趣的读者可以点击下方的
- option
按钮,进入 ECharts Gallery 中查看。
- 代码
聚类分析用于将原数据集聚合成多个特性不同的数据簇,每个数据簇内的数据对象具有某些相似的特征。通过 ECharts 不仅可以可视化聚类的结果,还可以可视化聚类的过程。具体的使用方式如下:
- var result = ecStat.clustering.hierarchicalKMeans(data, clusterNumber, false);
其中
是用户传入的二维数值数组,
- data
是由用户设定的数据簇的个数,最后一个
- clusterNumber
类型的变量是用来指定,静态地可视化聚类的结果,还是动态地可视化聚类的过程。若值为
- boolean
则为前者,反之,则为后者。
- false
静态可视化聚类的结果:
动态可视化聚类的过程:
同样,感兴趣的读者可以点击上方实例的
按钮,进入 ECharts Gallery 中查看具体的代码,以及
- 代码
的配置。
- option
回归分析就是根据数据集中自变量和因变量的值,拟合出一条曲线,反映它们的变化趋势。在统计扩展中我们实现了四种回归算法,分别是线性回归、指数回归、对数回归、以及多项式回归。使用方式如下:
- var myRegression = ecStat.regression(regressionType, data, order);
其中,
指的是回归类型,有四种取值,分别是
- regressionType
、
- 'linear'
、
- 'exponential'
、
- 'logarithmic'
。
- 'polynomial'
是用户传入的二维数值数组,分别是自变量和因变量的样本值。最后一个参数
- data
用于多项式回归,用来指定多项式的阶数。
- order
线性回归:
指数回归:
对数回归:
多项式回归:
除了上面提到的数据分析方法之外,统计扩展还包括了常用的汇总统计,如分位数、样本方差、标准差、中位数、平均数、求和、最大值、最小值等。具体的用法,这里就不在展开了,详情请参见 GitHub 上的 详细文档 。
最后的最后,提醒大家一句,在参照完
上
- Gallery
的设置之后,一定要记得
- option
,如下:
- setOption
- chart.setOption(option);
来源: http://www.tuicool.com/articles/7VBzUby