Echarts3.0加载和订正气象格点数据

2024-03-22 02:59

本文主要是介绍Echarts3.0加载和订正气象格点数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

主要是对气象格点数据的主观订正,分为两个方面:运用ajax调用接口数据;echarts3.0展示及修改数据。修改后的保存没有涉及,接口的制作没有。

  1. ajax调用数据
function getValues(){var type = "TMP";//取温度var apoint = arguments[4] ? arguments[4] : 20;// 设置参数point的默认值为20var pdata = {"point" : apoint}; $.ajax({type : "post",async : true,            //异步请求(同步请求将会锁住浏览器,用户其他操作必须等待请求完成才可以执行)url : 接口 + type,   //请求发送处data : pdata,dataType : "json",        //返回数据形式为jsonsuccess : function(result) {//请求成功时执行该函数内容,result即为服务器返回的json对象if (result) {           var pointsarr = result.points;//获取温度格点showTrend(pointsarr);//调用展示函数}},error:function(errorMsg) {//请求失败时执行该函数alert("图表请求数据失败!");}})}

2 . Echarts的设置
(1)折线图X,Y轴的设置

xAxis: [{type: 'category',splitNumber:24,//划分为24个间隔boundaryGap: false,data: categories,},axisLine:{//x轴的横坐标边框线show: false},axisTick:{show: false,},axisLabel:{show:true,textStyle:{fontSize:"8px",color:"black",align:"center"},formatter:function(e){return e;}},splitLine: {//x轴内置表格中“边框”的颜色线条 show: true,lineStyle:{color:"#e4e4e4",type:"solid",opacity:"0.75"}}}],yAxis: [{min: 6,max: 20,type: 'value',splitNumber: 7,axisLine:{show: true,lineStyle:{color:"#e4e4e4"}},axisTick:{show: false,},axisLabel:{show:true,textStyle:{fontSize:"8px",color:"black"}},splitLine: {//y轴内置表格中“边框”的颜色线条 show: true,lineStyle:{color:"#e4e4e4",type:"solid",opacity:"0.75"}}}],

(2)折线图网格的设置

series: [{id: 'a',type: 'line',smooth: true,symbolSize: symbolSize,lineStyle:{//折线的颜色normal: {color:"#1ba0fc",width:1,type:'solid',opacity:"0.75"},},areaStyle: {//颜色渐变normal: {color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{offset: 0,color: 'rgba(40, 182, 252, 0.85)'}, {offset: 1,color: 'rgba(28, 159, 255, 0.2)'}])}},itemStyle:{normal:{color:"#96BBCD",barBorderColor:"#FAFCFD",}},data: data //数据}],

(3)折线图“上下左右”位置的移动

grid:{left:20,top:10,bottom:20,right:10,show:true,borderColor:"#e4e4e4",//网格边框线shadowColor:"#e4e4e4",borderWidth:"0.2",containLabel: false} 

(4)echarts的setOption

myChart.setOption({graphic: echarts.util.map(data, function (item, dataIndex) {return {type: 'circle',position: myChart.convertToPixel('grid', item),shape: {r: symbolSize / 2,//拖拽圆点设置大小},invisible: true,draggable: true,ondrag: echarts.util.curry(onPointDragging, dataIndex),//调用拖拽函数onmousemove: echarts.util.curry(showTooltip, dataIndex),//鼠标移入显示数据onmouseout: echarts.util.curry(hideTooltip, dataIndex),//隐藏z: 100};})});window.addEventListener('resize', function () {myChart.setOption({graphic: echarts.util.map(data, function (item, dataIndex) {return {position: myChart.convertToPixel('grid', item)};})});});function showTooltip(dataIndex) {//显示鼠标移入圆圈点的数值myChart.dispatchAction({type: 'showTip',seriesIndex: 0,dataIndex: dataIndex});}function hideTooltip(dataIndex) {//隐藏myChart.dispatchAction({type: 'hideTip'});}function onPointDragging(dataIndex, dx, dy) {data[dataIndex] = myChart.convertFromPixel('grid', this.position);myChart.setOption({series: [{id: 'a',data: data}]});var dataValues = data;localStorage.setItem("data", JSON.stringify(dataValues));//修改后数据放入缓存}

测试效果图
结果

源码:由于篇幅太长,在同名的另一篇博客

这篇关于Echarts3.0加载和订正气象格点数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/834398

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

便携式气象仪器的主要特点

TH-BQX9】便携式气象仪器,也称为便携式气象仪或便携式自动气象站,是一款高度集成、低功耗、可快速安装、便于野外监测使用的高精度自动气象观测设备。以下是关于便携式气象仪器的详细介绍:   主要特点   高精度与多功能:便携式气象仪器能够采集多种气象参数,包括但不限于风速、风向、温度、湿度、气压等,部分高级型号还能监测雨量和辐射等。数据采集与存储:配备微电脑气象数据采集仪,具有实时时钟、数据存

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav